1. 研究目的与意义（文献综述）
近年来智能交通发展迅速，但目前的研究大多数是关于陆上交通的研究，分类任务也绝大部分是关于日常物体的分类，现在基本上很少有关于船舶分类的研究。但船舶分类对于航道安全，航道监管具有重要意义。水路运输作为一种重要的交通运输方式，一直在国家、地区之间贸易往来中发挥了越来越重要的作用随着我国海洋强国战略、“一带一路”战略深入实施,水上交通日趋繁忙,船舶大型化、高速化、智能化的特征越发明显。另一方面,在智能制造、工业4.0、人工智能2.0等新一轮工业革命浪潮的推动下,船舶智能化已是大势所趋。船舶辅助驾驶技术作为船舶智能化航行的关键技术,已引起广泛的关注。
船舶目标的检测和分类在民用、商用、军用等各方面均有着重要意义。它不仅能为海洋部门的海域监管做出重要贡献，而且还可能影响到国家的经济和领土安全。如相关部门可以通过监控特定海域与特定港口来维护海上交通安全，军队可以通过检测某些重要军事口岸快速获取敌军的军事部署和实力等，因此研究如何准确、快速的进行船舶分类检测非常重要。
但是对水上智能交通的分类和检测存在很多难点：1、水上背景不固定，受光照、雨雾等天气影响较大；2、江面一般都十分广阔，船舶目标远近检测结果相差较大；3、建在江边的摄像头，受风力影响，照片抓拍抖动也大，因此一直以来，江上的船舶监管都是以雷达，ais相互补充的手段来进行监管。
2. 研究的基本内容与方案
基本内容及目标
1）学习船舶分类的有关知识和概念对其进行分类：干货船、液货船、客船、拖船、集装箱船。
2）了解卷积神经网络的有关知识和理论：1、学习卷积神经网络基本原理 2、了解常用最优化方法及原理 3、了解常见最优化方法及原理。
3. 研究计划与安排
（1）第1-3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
（2）第4-6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
（3）第7-9周：设计基于cnn的船舶分类系统。
4. 参考文献（12篇以上）
[1]廖翔勇. 基于深层卷积神经网络的高分辨率遥感影像船舶检测和分类[d].浙江大学,2019.
[2]吴正文. 卷积神经网络在图像分类中的应用研究[d].电子科技大学,2015.
[3]王华利,邹俊忠,张见,卫作臣,汪春梅.基于深度卷积神经网络的快速图像分类算法[j].计算机工程与应用,2017,53(13):181-188.
