1. 毕业设计（论文）主要内容：

随着深度学习持续升温，并且实践证明深度卷积神经网络对图像特征的提取具有很大的优势。因此，如何将卷积神经网络应用到图像分割并提高图像分割算法的效果是当前一大研究热点。论文基于深度学习在图像处理和图像分割的相关理论，分析深度学习的基本模型和方法，理解卷积神经网络方法在图像分割中的应用。在相关图像数据集上进行编程验证，比较分析传统的图像分割方法和基于深度学习的图像分割的优劣。

2. 毕业设计（论文）主要任务及要求

1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。

2、掌握卷积神经网络的原理，使用caffe来搭建神经网络，学习卷积神经网络在图像分割的相关理论。

3、理解卷积神经网络方法在图像分割中的应用，并在相关图像数据集上进行编程验证，与传统图像分割方法进行分析比较。

3. 毕业设计（论文）完成任务的计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需技术语言和开发工具，初步搭建并熟悉开发环境。

确定方案，完成开题报告。

第4－6周：阅读参考文献，学习卷积神经网络在图像分割的相关理论和算法。

4. 主要参考文献

1、UIJLINGS J, VAN K, KOLTUN V, et al. Selective search for object recognition[J]. International Journal of Computer Vision,2013, 104(2):154-171
2、郑云飞. 深度卷积神经网络在图像分割中的应用[J]. 军事通信技术, 2016,37(2):98-104.
3、陈鸿翔. 基于卷积神经网络的图像语义分割[D].浙江大学. 2016.