基于深度学习的图像语义分割研究与实现开题报告

全文总字数：3192字

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

研究目的：

当前，计算机视觉领域的核心研究包括图像分类、物体检测和图像语义分割(imagesemantic segmentation, 简称 iss)等。语义分割为图像中的每一个像素分配一个预先定义好的表示其语义类别的标签。与传统的图像分割相比，图像语义分割在其基础上为图像中的目标或前景加上一定的语义信息，能够根据图像本身的纹理、场景和其他高层语义特征来得出图像本身需要表达的信息，更具实用价值。

2. 研究的基本内容与方案

2.1 基本内容

程序设计与开发的主要内容包括：

（1）数据集的采集与筛选；

3. 研究计划与安排

1.2019/12/20—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告。

2.2020/2/29—2020/4/30：系统架构、程序设计与开发、系统测试与完善。

（1）2020/3/1—2020/3/8：数据集的采集与筛选。

4. 参考文献（12篇以上）

[1] 周志华. 机器学习. 清华大学出版社,2016年

[2] 哈林顿. 机器学习实战. 人民邮电出版社,2013年

[3] 陈云. 深度学习框架pytorch：入门与实践. 电子工业出版社,2018年