基于VGGNet的图像分类开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

在近些年来，随着信息化时代的到来，人们的日常生活中越来越离不开图像信息。根据2019年中国互联网信息中心发布的一份权威报告《第44次中国互联网络发展状况》显示^[1]，我国网民规模已达到8.54亿，而互联网传递信息最直观的方式，就是以图像方式去呈现。可以生动、直观地传递信息的图像越来越受到人们的重视，因此，图像处理技术也逐渐发展起来，计算机视觉相关的产业稳步发展。然而，基于手工特征和统计学习方法的计算机视觉技术在复杂场景的适应性和通用性方面仍然存在较大的瓶颈^[2]。近些年来，基于卷积神经网络的深度学习（deep learning）技术已被广泛应用到计算机视觉相关产业中，衍生出了人工智能^[3]，机器学习^[4]等研究方面，取得了巨大飞跃。

图像分类是通过对原始图像进行特征提取实现区分不同类别目标的图像处理方法，是计算机视觉技术重要的研究方向^[5]，对各种图像进行准确的分类识别是许多高级图像处理任务的基础。图像分类的主要流程包括图像预处理、图像特征描述和提取以及分类器的设计^[6]。传统的图像分类方法对图像特征提取的准确度不高，针对性不强，往往会提取到一些没有区分度的无效特征对图像分类的准确度产生负面影响。而新兴的卷积神经网络（convolutionalneural network,cnn）^[7]图像分类方法，可以通过神经网络自主训练对样本中的特征进行学习，替代了之前人工提取目标特征的方法，并且在提取特征方面判别能力和泛化性能都得到了提高^[8]，实现了图像特征的有效区分。

2. 研究的基本内容与方案

本文基于深度卷积神经网络（vggnet）对cifar-10数据集中真实图像实现有效分类，下载相关数据集，利用anaconda实现python以及tensorflow、pil等模块的下载及安装并实现cifar-10数据集或其中部分含标签数据有效分类的仿真。具体采用的操作步骤如图1所示：

3. 研究计划与安排

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。

第4－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境及相关工具软件的使用。

第7－9周：编程实现各算法，搭建代码运行环境，利用anaconda实现python以及tensorflow的下载安装，下载相关数据集。

4. 参考文献（12篇以上）

[1] 中国互联网络信息中心.第44次中国互联网络发展状况统计报告[r].2019

[2] 李媛媛.基于深度学习的图像分类及目标定位[d].北京邮电大学,2018.