全文总字数：1447字
1. 毕业设计（论文）主要内容：
深度卷积神经网络在图像处理领域取得了一系列的突破，但是主要应用于分类和识别。
图像的超分辨率具有重要的视觉检测中具有重要的工程应用，目前需要在传统的方法上进一步提高其重构分辨率。
本文将采用深度学习框架开展研究工作，初步实现机械加工中刀具磨损图像的超分辨率重建。
2. 毕业设计（论文）主要任务及要求
1. 学习深度卷积神经网络的基本知识；2. 学习并使用典型的3类卷积神经网络；3. 设计实现基于文献[1]卷积神经网络框架下的图像超分辨率系统；4. 查阅参考文献15篇以上（其中近五年外文文献不少于3篇）；5. 完成不少于12000字的毕业论文撰写并完成答辩的相关工作；6. 完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译；7. 完成不少于12幅图设计（包括：流程图、结构框图、程序框图等）。
3. 毕业设计（论文）完成任务的计划与安排
1. 第1-3周 完成题目调研，完成文献阅读，进行相关资料的收集，完成文献综述以及开题报告撰写；2. 第4-5周 学习深度卷积神经网络，完成论文开题；3. 第6-12周 完成卷积神经网络的搭建使用，撰写论文初稿；4. 第13-15周 测试程序的实际显示效果，并针对使用过程出现的问题进行优化，完成论文修改并提交。
5. 第16周 答辩。
4. 主要参考文献
[1] Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang. Image Super-Resolution Using Deep Convolutional Networks, IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 38(2):295 - 307, 2016.[2] Bevilacqua, M., Roumy, A., Guillemot, C., Morel, M. L. (2014). Single-image super-resolution via linear mapping of interpolated self-examples. IEEE Transactions on Image Processing, 23(12), 5334-47.[3] W. Freeman, T. R. Jones, and E. C. Pasztor. Example-based super-resolution, IEEE Computer Graphics and Applications, vol.22, no.2, pp.56-65, Mar/Apr 2002.[4] C. Ledig, L. Theis, F. Huszar, J. Caballero, A. Cunningham,A. Acosta, A. P. Aitken, A. Tejani, J. Totz, Z. Wang et al., Photorealistic single image super-resolution using a generative adversarial network, in CVPR, 2017:105-114.
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。
