登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 计算机类 > 计算机科学与技术 > 正文

基于深度学习的动态背景分割研究与实现开题报告

 2020-02-19 10:02  

1. 研究目的与意义(文献综述)

研究目的和意义

本次毕业设计拟在深入学习深度学习相关技术的基础上,掌握深度学习在计算机视觉领域的应用方法,实现一个可以针对任意一幅在动态场景中拍摄的普通图片,将其场景中的背景信息有效地分割提取的实例系统。

随着互联网社会的发展,尤其是社交网络的发展,我们可以获得大量的图像数据,那么如何从大量的图像数据中获得我们所需要的信息就变得越来越重要。另一方面,随着硬件技术的进步,计算能力的提升,深度学习越来越成为当前解决问题的重要方法。深度学习在图像分割领域的利用主要是卷积神经网络,而卷积网络的出现使图像分割的发展进入新的阶段。它在图像识别领域的优势是显而易见的,不仅促进了图像分类,使其更高效和精确,还在对图像任务具体结构的输出方面取得了关键性的进展。这些进展包括目标检测,图像分类,以及对部分和关键点检测技术等。图像分割是一个更加深层的工作,它的应用也非常的广泛。不仅可以应用到人脸识别,指纹识别等方面,提高了设备的安全性,在信息爆炸的时代保障我们的信息安全;还能应用于道路识别,行人检测等方面,实现车辆的自动驾驶,既方便了人类的生产与生活,又可以提高行车安全,避免交通事故的发生。但是,图像分割领域仍然存在着大量的挑战。比如说如何让计算机像人类一样去理解图像的内容,本身就已经非常的困难,那么如何让计算机去更加精确的分割出我们想要的结果,就更加的困难了。而且图像中的事物总是多变的,既有空间上角度,位置的变化,也有时间上的更替,要让计算机拥有这种适应变化的鲁棒性显得极其重要但又是一个非常大的挑战。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案


基本内容

本项研究的基本内容是在动态场景下拍摄的照片,能够使用深度学习方法进行图像分割,包括以下研究阶段:(1)数据集的采集与筛选; (2)深度学习模型的构建;(3)深度网络模型的训练;(4)基于深度学习模型的背景分割算法实现;(5)实例系统的设计与实现。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)2019/1/19—2019/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;

(2) 2019/3/1—2019/4/30:系统架构、程序设计与开发、系统测试与完善;

(3)2019/5/1—2019/5/25:撰写及修改毕业论文;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]吴思,林守勋,张勇东.基于动态背景构造的视频运动对象自动分割[j].计算机学报,2005(08):1386-1392.

[2]宋春玉.动态背景下图像的分割[j].计算机应用与软件,2014,31(04):247-249.

[3]马志强,张晓燕,朱子健,张锐.一种动态场景下运动对象分割新算法[j].计算机工程与科学,2012,34(04):43-46.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图