1. 毕业设计（论文）主要内容：
在Android平台下，获取拍摄到的身份证图像信息，利用深度学习框架及算法对身份证图像信息进行处理，最终自动识别出身份证上基本信息并展示在APP中。深度学习的使用可以调用Caffe开源库，对图像做训练及数据的检测与识别。身份证上信息为印刷体，算法设计具有普适性，设别准确率较高。
1）采用的技术
深度学习的使用可以利用Caffe开源库。Caffe是一个考虑了表达、速度和模块化的深度学习框架，在C 语言里编写程序，最后集成到Android开发平台。
2. 毕业设计（论文）主要任务及要求
1）要求所设计的系统应能很好地体现深度学习的优点，系统界面友好，输入/输出设计合理并具有较好的容错性，易于操作。2）在Android studio开发工具下开发APP，系统以Caffe开源库为基础，采用C 语言编写身份证识别算法。3）系统文档应能详细、准确的反映整个系统的设计思想。文档格式应尽可能规范，易读易懂，叙述问题准确。4）要求按武汉理工大学理工类本科生毕业论文撰写规范撰写毕业论文，论文字数不少于12000字，参考文献不少于15篇，其中英文文献不少于2篇；学生提交论文同时，上交存储所设计系统和英文资料翻译文档、论文的软盘片或光盘片，英文翻译不少于5000字。5）该系统要保证图像在不同方位及大小的情况下自动识别达到95%以上的正确率。6）遵守毕业设计的纪律，每周向指导教师汇报毕业设计有关情况，并按时撰写毕业设计周记。
3. 毕业设计（论文）完成任务的计划与安排
1）第1周至第2周：查阅有关的参考资料并完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。
2）第3周至第6周：熟悉所选用的开发平台，运用所学的软件设计理论，完成整个系统的前期设计工作。
3）第7周至第13周：进行系统的编码、调试、集成、测试工作。
4. 主要参考文献
[1] 余凯,贾磊,陈雨强,徐伟. 深度学习的昨天、今天和明天.计算机研究与发展.50(9):1799-1804,2013[2] 刘建伟，刘媛，罗雄麟.深度学习研究进展.计算机应用研究.31(7):1921-1942, 2014[3] 孙志军,薛磊,许阳明,王正. 深度学习研究综述.计算机应用研究. 29(8):2908-2810,2013[4] A. Rakotomamonjy, F. R. Bach, S. Canu, and Y. Grandvalet. SimpleMKL. J. of Machine Learning Research, 9:2491–2521, 2008.[5] 李彦宏．2012百度年会主题报告：相信技术的力量．北 京：百度，2013[6] Ian Goodfellow, Yoshua Bengio, and Aaron Courville (2016). Deep Learning. MIT Press[7] Deng, L.; Yu, D. (2014). "Deep Learning: Methods and Applications" . Foundations and Trends in Signal Processing. 7 (3-4): 1–199. [8] Bengio, Yoshua (2009). "Learning Deep Architectures for AI". Foundations and Trends in Machine Learning. 2 (1): 1–127. [9] Bengio, Y.; Courville, A.; Vincent, P. (2013). "Representation Learning: A Review and New Perspectives". IEEE Transactions on Pattern Analysis and Machine Intelligence. 35 (8): 1798–1828. [10] Schmidhuber, J. (2015). "Deep Learning in Neural Networks: An Overview". Neural Networks. 61: 85–117. [11] Bengio, Yoshua; LeCun, Yann; Hinton, Geoffrey (2015). "Deep Learning". Nature. 521: 436–444. [12] Deep Machine Learning – A New Frontier in Artificial Intelligence Research. IEEE Computational Intelligence Magazine, 2013.[13] COLLOBERTR，WESTON J．A unified architecture for natural language processing: deep neural networks with multitask learning［C］/ /Proc of the 25th Internationnal Conference on Machine Learning． New York:ACM Press，2008:160-167．[14] RANZATOM，SZUMMERM． Semi-supervised learning of compact document representations with deep networks［C］/ /Proc of the 25th International Conference on Machine Learning． New York: ACM Press，2008:792-799．[15]. WONGWK，SUNM．Deep learning regularized Fisher mappings．IEEE Trans on Neural Networks，2011，22(10):1668-1675.
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。
