基于深度学习的街景图像的语义分割方法研究与实现开题报告

1. 研究目的与意义（文献综述）

随着建设智能交通系统的进程进一步加快 ，越来越多的智能移动设备投入到城市交通运输中。街景图像分割作为该类设备路径规划的关键技术，具有十分重要的作用。街景图像的特点比较鲜明，比如，类别对象繁多、遮挡现象严重、光照变化明显，研究该类图像分割技术也同样是一个极具挑战性的工作。街景分割的目的主要是对街景环境中比较关注的对象进行分组，不同于检测任务，需要更为精细化的输出结果。其分割结果的好坏直接影响到城市无人机、移动机器人、自动驾驶汽车等设备的移动安全，因此研究街景图像分割技术是当前非常热门和重要的课题。

2. 研究的基本内容与方案

（1）基本内容：

3. 研究计划与安排

第1-3周：查阅相关中、英文文献资料，确定设计方案，完成开题报告；

第4-5周：完成论文开题工作，完成不少于2万字符的英文翻译任务；

第6-12周：完成图像语义分割算法模型的设计与调试，并撰写论文初稿；

4. 参考文献（12篇以上）

[1] shelhamer e, long j, darrell t. fully convolutional networks for semantic segmentation[j].ieeetransactions on pattern analysis machine intelligence,2017, 39(4): 640-651

[2] sermanet, pierre, s. chintala, and y. lecun. convolutional neural networks applied to housenumbers digit classification. international conference on pattern recognition[c] ieee, 2013,

3288-3291