基于深度学习的动物识别系统设计与实现开题报告

全文总字数：1141字

1. 研究目的与意义

近年来，随着信息化时代的发展，图像已经作为承载大量数字信息的一种重要载体，国防军事、医疗卫生和日常生活等对数字图像的依赖程度逐渐提高，因此目前亟待解决的问题就是建立高效准确的图像识别系统。

而动物图像识别作为物体识别的一个特例，其研究意义在于为濒临灭绝危险的野生动物物种提供保护，保护物种多样性；为普通动物爱好者以及科学研究者提供一个便捷式的工具；为幼儿教育提供一个提高动物辨识能力的简易软件。

2. 国内外研究现状分析

深度学习是基于对人工神经网络的不断探索的成果，具有多个隐含层的感知器（mlp）就属于一种深度学习结构。

目前，由于深度信念网络强大的识别分类能力和隐形马尔科夫模型的序列建模能力，深度学习理论成功应用于语音识别（lcv-sr）任务中。

深度学习只有在少量样本的情况下，可通过训练一种多层次非线性的网络结构，实现复杂函数逼近，具有对输入数据进行分布式的表示及学习数据集本质特征的强大能力。

3. 研究的基本内容与计划

研究内容：（1）动物图像获取及标注。

收集大量动物图像并进行标注。

（2）动物图像预处理。

4. 研究创新点

利用深度学习的方法训练一个卷积神经网络动物分类器，以TensorFlow框架作为辅助工具。

可为濒临灭绝危险的野生动物物种提供保护，保护物种多样性；为普通动物爱好者以及科学研究者提供一个便捷式的工具；为幼儿教育提供一个提高动物辨识能力的简易软件。