1. 毕业设计（论文）主要内容：

图像语义分割技术一直以来都是计算机视觉中的一个具有挑战性的项目，在图像理解中起着核心的作用，图像语义分割是把图像分割和图像的识别理解结合起来，其主要目的是精确的分割物体，并赋予图像中每个像素一个语义标签。近年来，深度神经网络算法被逐渐应用于图像语义分割任务中，基于卷积神经网络的机器学习算法逐渐超越传统机器学习算法，并得到远远高于传统算法的检测精度。

本题将对基于卷积神经网络的方法，选择合适的卷积算法模型，较为准确的对交通道路上的汽车、马路、行人等进行分割，将三类实物准确的用不同的颜色表示出来，且分割结果对不同的类别提供精细的边缘轮廓，最终处理的结果能为自动驾驶等方面的应用服务。

通过本毕业设计的训练，以培养学生有较强的知识综合运用能力、工程实践能力、理论研究能力和创新意识，同时也增强学生的专业英语文献阅读能力软硬件综合运用能力。

2. 毕业设计（论文）主要任务及要求

1）学习和掌握相关理论知识，完成相关参考文献阅读及归纳总结，完成开题报告；

2）学习并掌握相关技术的基础上，完成原理设计、算法实现和性能仿真等；

3）完成相关软硬件实现，完成实验、实验结果比较及分析等；

4）完成不少于12000字的论文撰写并完成答辩的相关工作；

3. 毕业设计（论文）完成任务的计划与安排

第1 - 3周：收集、整理选题相关的文献资料，完成、完善方案论证，撰写开题报告；

第4 - 5周：认真学习选题相关的知识、理论和算法实现等，熟悉软硬件环境；

第6 - 8周：建立软硬件仿真模型、完成程序编写、仿真实验等，并做好相关记录及分析；

第9-11周：完善相关实验、比较及分析，完成算法或系统的设计实现；

4. 主要参考文献

1）江锦东. 基于卷积神经网络的室内rgb-d图像语义分割方法[d]. 华南理工大学. 2018.

2）陈俊生. 基于深度卷积神经网络的语义分割技术研究[d]. 华南理工大学. 2018.

3）文宏雕. 基于深度学习的图像语义分割技术研究[d]. 电子科技大学. 2018.

4）梁植程. 基于深度学习的语义图像分割算法[d]. 合肥工业大学. 2017.