1.回顾深度卷积神经网络的发展历史2.说明分割网络的工作原理和相关算法3.构建深度卷积神经网络进行图像分割4.应用本文算法于实际场景中

实施方案：查阅资料，了解并学习深度卷积神经网络，并设计算法与模型，实现图像分割进度安排：1-3月：搭建环境，查阅资料并学习深度卷积神经网络；3-4月：设计算法，实现图像分割，完成论文初稿；4-5月：审查并修改论文，最终完成预期效果：找到以往图像分割算法的不足，基于深度卷积神经网络作成切实可用的图像分割算法，并使其能够在实际场景中发挥作用

[1]马骁. 基于深度卷积神经网络的图像语义分割[d].中国科学院大学(中国科学院光电技术研究所),2018.

[2]刘阳洋. 基于卷积神经网络的舌苔图像分割与病理分析算法研究[d].内蒙古大学,2018.

[3]杨金鑫. 基于深度学习的细胞图像分割与识别算法研究[d].北京邮电大学,2017.