1. 研究目的与意义
(1) 机器学习机器学习（machine learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
深度学习的概念源于人工神经网络的研究。
含多隐层的多层感知器就是一种深度学习结构。
2. 研究内容和预期目标
(1) 研究内容卷积神经网络(convolutional neural network, cnn)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。
本课题使用开源的深度学习框架和成熟的cnn模型，收集家犬样本照片，进行cnn模型训练。
并实现一个能拍照识别家犬品种的移动应用。
3. 研究的方法与步骤
本课题使用开源的深度学习框架和成熟的cnn模型进行研究。
(1) 首先对主流的cnn模型和深度学习框架进行比较，有基本的了解和认识。
(2) 查阅资料，进行可行性分析、需求分析等。
4. 参考文献
[1] 于奥运. 基于深度学习的犬种识别研究[J]. 现代计算机，2018(8):106-109.[2] 胡貌男，邱康，谢本亮. 基于改进卷积神经网络的图像分类方法[J]. 通信技术，2018, 51(11):2594-2600.[3] 葛程，孙国强. 基于卷积神经网络的图像分类研究[J].软件导刊，2018, 17(10):27-31.[4] 周志华著. 机器学习[M]. 北京: 清华大学出版社, 2016.[5] 吴岸城著. 神经网络与深度学习[M]. 北京: 电子工业出版社, 2016.[6] 赵永科著. 深度学习 - Caffe之经典模型详解与实战[M].北京: 电子工业出版社, 2016.[7] 赵永科著. 深度学习 - 21天实战Caffe[M]. 北京: 电子工业出版社, 2016.[8] Caffe Deep Learning Framework[EB/OL]. http://caffe.berkeleyvision.org/[9] 王海廉. 基于深度学习的图像识别系统的设计与实现[D]. 海南大学, 2018[10] 徐小妹. 【深度学习图像识别课程】毕业项目:狗狗种类识别代码实现. https://blog.csdn.net/weixin_41770169/article/details/80498138
5. 计划与进度安排
(1) 2022.1.10 ---- 2022.3.10 查阅资料，撰写开题报告，翻译英文资料(2) 2022.3.11 ---- 2022.3.18需求分析，熟悉开发工具(3) 2022.3.19 ---- 2022.3.31概要设计(4) 2022.4.1 ---- 2022.4.9 详细设计(5) 2022.4.10 ---- 2022.5.9 编写代码(6) 2022.5.10 ---- 2022.5.17程序调试和测试(7) 2022.5.18 ---- 2022.5.31整理资料，撰写毕业设计说明书(8) 2022.6.1 ---- 2022.6.10 答辩准备及答辩
