1. 毕业设计（论文）主要目标：
U型网络是深度卷积神经网络中的一种模型和训练策略。近年来，随着深卷积网络在许多视觉识别任务中效果很好，但在可用的训练集的大小和所考虑的网络大小的方面，还是有一定的局限性。本课题研究对于深度神经网络的理论分析和工程实践有着较大的意义。尤其在生物医学图像分析领域中，新的进展都需要计算证明一些理论难题和求解实际问题。因此需要开发一种有效的工具来求解这类时变问题，因此U型网络神经网络的研究有着至关重要的现实意义。
2. 毕业设计（论文）主要内容：
U型网络是由Olaf Ronneberger等人在ISBI细胞跟踪挑战中提出。在很少的训练数据可用的条件下，提出的一种模型和训练策略。其加了一个连续层的收缩网络，增加了输出的分辨率，由此产生的网络适用于各种生物医学分割问题。这种新方法鲜有中文文献叙述，本课题旨在对该模型进行深入探究，并对包括滑窗卷积网络、全卷积神经网络等方法进行对比，并在实践中进行应用。
3. 主要参考文献
[1]Ronneberger O., Fischer P., Brox T. (2015)U-Net: Convolutional Networks for Biomedical Image Segmentation. In: Navab N.,Hornegger J., Wells W., Frangi A. (eds) Medical Image Computing andComputer-Assisted Intervention – MICCAI 2015. Lecture Notes in ComputerScience, vol 9351. Springer, Cham
[2]Hariharan, B., Arbelez, P., Girshick, R.,Malik, J.: Hypercolumns for object segmentation and fine grained localization(2014), arXiv:1411.5752 [cs.CV]
[3]Seyedhosseini, M., Sajjadi, M., Tasdizen,T.: Image segmentation with cascaded hierarchical models and logisticdisjunctive normal networks. In: Computer Vision (ICCV), 2013 IEEE International Conferenceon. pp. 2168{2175 (2013)
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。
