1. 研究目的与意义
(1) 研究背景
改革开放以来，中国的经济一直在飞速的发展，随之而来的，还有越来越高的汽车走进了千家万户。如今的汽车市场已经日渐成熟，各种类型的汽车品类繁多，令人目不暇接。在2017年，中国的私人汽车拥有量已经达到了18515.11（万辆）。在近三十年来，这个数据一直呈现出持续、稳定、高速的发展态势。无论是哪个行业都免不了四个周期：初创期、成长期、成熟期和衰退期。而现在所有的跨国公司和自主品牌都在中国扩大产量。从目前阶段来看，整个汽车行业已经从成长期进入成熟期了。
2. 研究内容与预期目标
2．本课题主要研究内容和预期目标
本课题使用开源的深度学习框架和成熟的卷积神经网络模型，收集常见汽车样本照片，通过机器学习得到用于汽车车型识别的模型。在此基础上，实现汽车车型智能识别后台系统，为移动应用程序提供API服务。
主要分为卷积神经网络和汽车识别系统两个部分。卷积神经网络是学习它图像处理的思路和方法，在采用CNN模型不断进行机器学习，获取素材的特征值，再与获取的图像进行比对，从而分析图像的信息。我们的目标是提高识别的正确率，一是与自己的汽车识别系统相匹配，二是能将识别率提高到80%以上，能在实际环境中使用；汽车识别系统包含了图像获取与图像处理的移动应用，移植到手机上后能获取手机摄像机拍摄后得到的图像信息，并传输到后台进行图像分析，与深度学习相结合，反馈分析后的数据，显示在手机应用上。预期目标是能真正做到人机互动，能让用户轻松操作，也能正确读懂我们的反馈信息。真正的实现基于深度学习的汽车识别系统。
3. 研究方法与步骤
3．本课题拟采用的研究方法、步骤
1）需求调研分析: 在得到下达的任务之后，对深度学习的汽车识别系统进行分析，了解深度学习并学习与掌握；对汽车分类有所的了解，知道汽车品牌和种类。
2）概要设计: 在对系统的需求进行分析之后，进行详细的系统设计，包括各个模块的设计，功能设计，接口设计，数据设计等。
4. 参考文献
[1] 王茜，张海仙. 基于深度神经网络的汽车车型识别[J]. 现代计算机（普及版）,2015(12)，61-64.
[2] 张军，张婷，杨正瓴等. 深度卷积神经网络的汽车车型识别方法[J]. 传感器与微系统，2016(11)，19-22.
[3] 袁公萍，汤一平，韩旺明，陈麒. 基于深度卷积神经网络的车型识别方法[J]. 浙江大学学报（工学版）,2018(4):694-702.
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
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。
