基于卷积神经网络的垃圾分类系统研究与应用开题报告

1. 研究目的与意义

世界经济与科学技术突飞猛进的发展，使得企业组织内部治理日益复杂。外部市场的竞争也日趋激烈、。要在这种情况下占据先机就需要对于形式的正确而迅速地把控，数据分析的意义也就在这里。

我们现在正处于一个信息爆炸的时代，因此而产生的海量数据将为项目决策者提供帮助。但是这样未经过分析处理的信息是低价值的，它不能给予决策以充分的帮助，故而对于这些数据的分析也就起到了十分重要的作用了。

2. 研究内容和预期目标

实验内容：垃圾识别，通过对于大量的有关于垃圾的图像进行深度学习，通过大量的训练使得其准确率能够达到较高的水平，以此来实现对于图片中垃圾的识别与分类。

拟解决的关键问题：深度学习的实现以及准确率的提升

写作提纲：1、交代选题的时代背景与它的意义

3. 国内外研究现状

深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。

深度学习在2012年取得了计算机视觉领域的重大突破，欣顿的研究小组采用深度学习赢得了imagenet图像分类比赛的冠军。计算机视觉领域另一个重要的挑战是人脸识别用深度学习也达到了惊人的99.47%（在非深度学习算法中，最高的识别率是96.33%）。

但即使深度学习已经有了很大的突破，它在图像识别中的应用还有很大的前景。在物体识别和物体检测研究的一个趋势是使用更大更深的网络结构，这迫切需要研究新的算法和开发新的并行计算系统来更加有效地利用大数据训练更大更深的模型。

4. 计划与进度安排

我准备先通过爬虫或者其他方式来获取数据集，数据集主要是各种垃圾的图片，列如有害垃圾中有电池、药片的图片等等。

之后再通过程序对其进行深度学习，并大量的进行训练以提高图像识别的准确率。

最终预想的实验结果是能够对实验训练集以外的相关图片较精准地识别。

5. 参考文献

d. e. rumelhart, g. e. hinton, and r. j. williams. learning internal representations by error propagation. nature, 1986; 323(99):533~536.

m. turk and a. pentland. eigenfaces for recognition. journal of cognitive neuroscience, 1991; 3(1):71~86.