1. 毕业设计（论文）主要内容：
车牌识别快速系统是数字图像处理与模式识别技术在智能交通领域中的重要研究课题之一，具有很高的研究价值和商业价值。近年来，随着卷积神经网络在模式识别领域的兴起，引起众多国内外研究者广泛关注。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。
本设计主要内容包括：1.分析CNN处理图像问题的原理；2.学习CUDA高性能GPU并行计算架构；3.对车牌检测算法进行改进及实验测试；4.将车牌识别快速系统移植到GPU平台，并用CUDA进行实现。
2. 毕业设计（论文）主要任务及要求
（1）查阅15篇相关文献（含2篇外文），并每篇书写200—300字文献摘要（装订成册，带封面）；（2）认真填写周记，完成800字开题报告；（3）完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；（4）完成系统的编码与调试；（5）完成10000字以上的毕业论文；（6）进行论文答辩。
3. 毕业设计（论文）完成任务的计划与安排
(1)2017/1/14—2017/2/22：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2017/2/23—2017/4/30：系统架构，程序设计与开发，系统测试与完善；
(3)2017/5/1—2017/5/25：撰写及修改毕业论文；
4. 主要参考文献
[1] LeCun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553): 436-444.[2] Nvidia C. Compute unified device architecture programming guide[J]. 2007.[3] He S, Yang C, Pan J S. The Research of Chinese License Plates Recognition Based on CNN and Length_Feature[C]//International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems. Springer International Publishing, 2016: 389-397.[4] Li S, Li Y. A Recognition Algorithm for Similar Characters on License Plates Based on Improved CNN[C]//2015 11th International Conference on Computational Intelligence and Security (CIS). IEEE, 2015: 1-4.[5]张力, 张洞明, 郑宏. 基于联合层特征的卷积神经网络在车标识别中的应用[J]. 计算机应用, 2016, 36(2):444-448.
