1. 研究目的与意义（文献综述）

1.1 研究背景及意义

近些年，随着相关技术的逐年进步，人们进步重拾起机器学习（machine learning）这门多领域交叉学科。机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。同时，机器学习是人工智能（artificial intelligence）的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

机器学习是人工智能研究较为年轻的分支，它的发展过程大致可以分为4个时期：①兴起时期，从20世纪50年代中叶到60年代中叶；②冷静时期，从20世纪60年代中叶到70年代中叶；③复兴时期，从20世纪70年代中叶到80年代中叶；④新时期，从1986年至今。

2. 研究的基本内容与方案

2.1 基本内容以及目标

本文将利用python语言以及tensorflow机器学习框架设计并实现一个基于深度学习的实例分割模型，即对于任意输入的图片，在经过所设计的卷积神经网络之后，可以得到图片中某一类别或者所有已经定义过的类别的物体或目标的遮掩（mask），并且使得mask的轮廓尽量贴近ground truth。

2.2 拟定方案

3. 研究计划与安排

（1）1月底至2月末，查阅相关论文，明确研究内容，确定技术路线，撰写开题报告。

（2）3月份，熟悉所选用的研究环境，运用所学的理论知识，完成整个系统的前期设计工作。

（3）4月份，完成算法的研究，并对系统进行编码、调试、集成、测试工作。

4. 参考文献（12篇以上）

[1]邓琉元,杨明,王春香,王冰.基于环视相机的无人驾驶汽车实例分割方法[j].华中科技大学学报(自然科学版),2018,46(12):24-29.

[2] liu s , qi l , qin h , et al. path aggregationnetwork for instance segmentation[j]. 2018.

[3] he k, gkioxari g, dollar p, et al. mask r-cnn[j].ieee transactions on pattern analysis amp; machine intelligence, 2017,pp(99):1-1.