1. 毕业设计（论文）主要目标：
基于基本图像特征算法(BIFS)提供天然的数学量化的滤波器，响应空间分为定性的不同类型的图像局部结构，反映图像中同质现象的视觉特征，针对图像的每个像素点提取图像纹理特征。
运用深度学习模式的特征检测层隐式地从训练数据中进行学习，利用CNN的局部权值共享的特殊结构进行并行学习，对多维输入向量的图像直接输入网络减少特征提取和分类过程中数据重建的复杂度。
实现快速、实时地进行纹理分类。
2. 毕业设计（论文）主要内容：
研究deeplearning模型之卷积神经网络（CNN）和基本图像特征(basicimage feature,BIF)算法基本原理、运行行为及其特征，通过一种用于纹理分类的旋转不变性的基本图像特征（BIFs）算法分析、提取纹理图像的特点，运用CNN做分类器，对图像纹理特征进行分类，采用CURET纹理数据库进行算法验证。
3. 主要参考文献
[1] Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786): 504-507.
[2] Yann LeCun , Yoshua Bengio Geoffrey Hinton.Deep learning[J].Nature, 2015, VOL 521
[3] Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.
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。
