1. 毕业设计（论文）主要内容：
分析评价卷积神经网络的发展现状；研究面向对象的遥感技术的进展；利用面向对象的遥感技术和卷积神经网络模型联系遥感分类的应用；并对结果进行评价和改进。
2. 毕业设计（论文）主要任务及要求
主要任务为：
1）对遥感数据利用面向对象的遥感技术进行对象的提取；
2）分析建立卷积神经网络模型；
3. 毕业设计（论文）完成任务的计划与安排
2016.12.22-30： 完成选题和资料收集；2017.1.5-2017.1.16：提出初步方案并进行数据预处理工作；2017.3.1-2017.4.1：完成初步的实验，并进行中期检查；2017.4.2-2017.5.1：完成论文撰写，并准备答辩。
4. 主要参考文献
[1]Lee H, Kwon H. Contextual Deep CNN Based Hyperspectral Classification[J]. 2016.[2]Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553):436-44.[3]Hu W, Huang Y, Wei L, et al. Deep Convolutional Neural Networks for Hyperspectral Image Classification[J]. Journal of Sensors, 2015, 2015(2):1-12.[4]Slavkovikj V, Verstockt S, De Neve W, et al. Hyperspectral Image Classification with Convolutional Neural Networks[C]// ACM International Conference on Multimedia. ACM, 2015:1159-1162.[5]Dong C, Chen C L, He K, et al. Learning a Deep Convolutional Network for Image Super-Resolution[C]// Computer Vision – ECCV 2014. Springer International Publishing, 2014:184-199.[6]Chen Y, Lin Z, Zhao X, et al. Deep Learning-Based Classification of Hyperspectral Data[J]. IEEE Journal of Selected Topics in Applied Earth Observations Remote Sensing, 2014, 7(6):2094-2107.[7]Hinton G E, Srivastava N, Krizhevsky A, et al. Improving neural networks by preventing co-adaptation of feature detectors[J]. Computer Science, 2012, 3(4):págs. 212-223.[8]Bouvrie J. Notes on Convolutional Neural Networks[J]. Neural Nets, 2006.[9]曹林林, 李海涛, 韩颜顺,等. 卷积神经网络在高分遥感影像分类中的应用[J]. 测绘科学, 2016, 41(9):170-175.[10]敖道敢. 无监督特征学习结合神经网络应用于图像识别[D]. 华南理工大学, 2014.[11]周杨. 面向对象的高分辨率遥感影像分类技术研究[D].中国地质大学(北京),2015.[12]曲建岭, 杜辰飞, 邸亚洲,等. 深度自动编码器的研究与展望[J]. 计算机与现代化, 2014(8):128-134.[13]李荣. 基于面向对象遥感技术的矢量元胞自动机建模及应用[D].武汉理工大学,2013.[14]易俐娜. 面向对象遥感影像分类不确定性分析[D].武汉大学,2011.[15]陈杰. 高分辨率遥感影像面向对象分类方法研究[D].中南大学,2010.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
