1. 研究目的与意义
| (1) 研究背景 鸟类自古以来就是人类的朋友，与人类的生活有着十分密切的关系。“鹰击长空，鹏程万里”，他们展翅翱翔于天空之中，吸引着多少人的关注和向往，是争取自由、永往直前的象征。同时，鸟类也以其美丽的容貌、悦耳柔顺的歌声和五彩斑斓的羽饰，成为了大自然不可或缺的靓丽风景线。而且，大多数的鸟类在维持自然生态平衡方面有着十分重要的作用，尤其是在消灭林害鼠和害虫方面。因而，认识鸟类、识别鸟类和保护鸟类就逐渐成为了世界上最广泛、深入的专业性和群众性活动。 (2) 研究目的 目前全世界被记录的鸟类将近有10000多种，其中我国有多达1300多种，占据了八分之一之多。而且由于我国特有的自然条件和地理环境，有多达100多种的特有种记录。不过虽然我们周边有这么多鸟的存在，但是我们往往不能知道它们是什么鸟，也不知道它们有什么特征和有害无害之别，所以，本课题研究正是帮助人们识别鸟类种类。 (3) 研究意义 随着计算机技术的高速发展，深度学习技术将鸟类识别变为可能。采用深度学习技术可以让机器自主学习、学习掌握各种鸟类的特征，最终能够识别判断鸟类类别。研究并实现基于深度学习的鸟类识别系统，可以让人们在观鸟的同时时能随时查到鸟类，鸟名等，并帮助他们获得更加美好的观鸟体验。通过研究这个课题，我可以掌握人工智能深度学习的理论和技术，为以后研究开发其他的人工智能应用打好基础。
|
2. 研究内容与预期目标
卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。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。使用卷积神经网络开发出的识别系统识别度高，数据准备简易。该系统能实现一键识别鸟类的功能，让人们在观察鸟类的同时能随时查到鸟类、鸟名等，并帮助他们获得更加美好的观鸟体验。
本课题使用开源的深度学习框架caffe和成熟的CNN模型——ResNet，收集鸟类样本照片，进行CNN模型训练，实现一个能拍照识别鸟类种类的移动应用。用户使用该移动应用，对着想要识别的鸟拍照，然后鸟类识别系统通过捕捉照片中鸟的特征，用训练好的模型识别鸟，最后会显示鸟的匹配程度。3. 研究方法与步骤
本课题使用开源的深度学习框架和成熟的CNN模型进行研究。
(1) 首先对主流的CNN模型和深度学习框架进行比较，有基本的了解和认识。
(2)查阅资料，进行可行性分析、需求分析等。
4. 参考文献
| [1] 王光陛. 基于卷积神经网络的鸟类细粒度识别方法研究[D]. 保定: 华北电力大学，2018. [2] 李新叶，王光陛．基于卷积神经网络语义检测的细粒度鸟类识别[J]．科学技术与工程，2018，18(10): 240-244. [3] 陈淑娴. 结合姿态对齐和部位表达的鄱阳湖鸟类种群细粒度识别[D]. 江西师范大学,2017. [4] 周志华著. 机器学习[M]. 北京: 清华大学出版社, 2016. [5] 吴岸城著. 神经网络与深度学习[M]. 北京: 电子工业出版社, 2016. [6] 赵永科著. 深度学习 - Caffe之经典模型详解与实战[M].北京: 电子工业出版社, 2016. [7] 赵永科著. 深度学习 - 21天实战Caffe[M]. 北京: 电子工业出版社, 2016. [8] Caffe Deep Learning Framework[EB/OL]. http://caffe.berkeleyvision.org/ |
5. 工作计划
| (1) 2022.1.10——2022.3.10：查阅资料，撰写开题报告，翻译英文资料 (2) 2022.3.11——2022.3.18：需求分析，熟悉开发工具 (3) 2022.3.19——2022.3.31：概要设计 (4) 2022.4.1——2022.4.9：详细设计 (5) 2022.4.10——2022.5.9：编写代码 (6) 2022.5.10——2022.5.17：程序调试和测试 (7) 2022.5.18——2022.5.31：整理资料，撰写毕业设计说明书 (8) 2022.6.1——2022.6.10：答辩准备及答辩 |
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
