1. 毕业设计（论文）主要内容：
在传统的图像识别技术中，特征提取通常是通过人的经验而设计出的算法进行特征提取获得，而卷积神经网络（CNN）可以自己通过学习来提取特征。
仿生物视觉系统的卷积神经网络是深度学习中最先成功的案例，其局部感受野、权值共享和降采样三个特点使之成为智能机器视觉领域的研究热点，利用卷积神经网络提取的图像特征展示出了较强的图像识别能力。
2. 毕业设计（论文）主要任务及要求
1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；
2. 完成开题报告；
3. 了解经典的特征提取算法，如Harris角点算法，LBP特征和SIFT特征等；
3. 毕业设计（论文）完成任务的计划与安排
第1—2周：查阅相关的文献资料，对研究内容进行整体了解；
第3—4周：了解整体实现方案，完成开题报告；
第5—12周：根据方案进行设计和实现；
4. 主要参考文献
[1]Sahiner B, Chan H P, Petrick N, et al. Classification of mass and normal breast tissue: a convolution neural network classifier with spatial domain and texture images[J]. IEEE Transactions on Medical Imaging, 1996, 15(5):598-610.
[2]Lo S B, Lou S A, Lin J S, et al. Artificial convolution neural network techniques and applications for lung nodule detection.[J]. IEEE Transactions on Medical Imaging, 1995, 14(4):711-8.
[3]Krizhevsky A, Sutskever I, Hinton G E. ImageNet Classification with Deep Convolutional Neural Networks[J]. Advances in Neural Information Processing Systems, 2012, 25(2):2012.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
