1. 研究目的与意义、国内外研究现状（文献综述）
在国内，许多人将 tensorflow 应用到很多公司产品中，比如使用深度学习改善语音 搜索，作为主营业务之一，或者将其运用到电子邮件当中，新增的功能称为智能应答，在读取用户的邮件后，计算机会生成三个备选回复，用户选择一个之后它就会自动 发送。
除此之外，许多公司都希望能够通过人工智能为用户提供更智能的搜索环境。
在国外，许多人也都在使用 tensorflow 做各种各样的事情，例如：澳大利亚的海洋 生物学家使用 tensorflow 在数以万计的高清照片中寻找海牛，以更好地了解这个涉临灭 绝的群体数量；日本的一位农夫，训练了一个 tensorflow 模型，可以按照大小、形状以 及其他特征来挑选黄瓜并分类；发射科的医生调整 tensorflow，使其在医学扫描中能够 识别帕金森病的迹象；湾区的数据科学家在树莓派上使用 tensorflow 来追踪记录加州火 车的动态。
2. 研究的基本内容和问题
研究目标 设计与实现一款功能具体实用，操作简单且安全性强的基于 Tensorflow 图像识别的 APP 应用。
研究内容 1) TensorFlow 原理2) 图像处理的步骤3) 基于 TensorFlow 的图像识别在 Android 的实现拟解决的关键问题 1) 神经网络模型的建造2) 对图像的特征提取与识别3) 把神经网络训练模型移植到安卓应用上
3. 研究的方法与方案
研究方法 1) 通过查阅书籍资料，了解深度学习2) 结合现有条件做可行性分析3) 学习有关 tensorflow 类库的使用4) 收集图片数据集进行图像处理5) 按照需求分析把深度学习理论知识通过代码形式来展现6) 进行模块间的整合，并调试完成7) 运行测试技术路线首先导入图片数据集，接着再构建图，而构建图的第一步，是创建源 op（source op）， 源 op 的输出被传递给其它 op 做运算，构造阶段完成后，才能启动图，启动图的第一步是创建一个 session 对象，如果无任何创建参数，会话构造器将启动默 认图。
tensorflow 程序通常被组织成一个构建阶段和一个执行阶段，在构建阶段，op 的执行步骤被描述成一个图，在执行阶段，使用会话执行图中的 op。
例如，通常在构建 阶段创建一个图来表示和训练神经网络，然后在执行阶段反复执行图中的训练 op。
4. 研究创新点
1) TensorFlow 人工智能系统被谷歌开源不久，正处于炙手可热的阶段2) TensorFlow 支持多种编程语言，提供了很多深度学习模型库，具有挑战性3) 将 TensorFlow 训练模型移植到安卓端上实现
5. 研究计划与进展
2016 年 11 月 20 日-11 月 30 日：选定论文题目，准备毕业设计论文资料；2016 年 12 月 01 日-12 月 31 日：上网查找资料，学习深度学习知识以及环境搭建；2017 年 01 月 01 日-01 月 15 日：学习 TensorFlow 系统的运用及安卓端的实现；2017 年 01 月 16 日-01 月 31 日：对系统进行详细的分析、设计，确定研究方案；2017 年 02 月 01 日-04 月 03 日：进行系统程序的编写调试，写出训练模型并训练；2017 年 04 月 04 日-05 月 07 日：将训练模型移植到安卓端并进行毕业论文的编写。
