全文总字数：1674字
1. 毕业设计（论文）主要内容：
路面裂缝检测是确保道路安全的关键任务。手动裂缝检测非常耗时。因此，需要一种自动道路裂缝检测方法来促进这一进展。然而，由于裂缝的强度不均匀和背景的复杂性，例如与周围人行道的对比度低以及具有相似强度的可能的阴影，这仍然是一项艰巨的任务。本课题拟设计一个自适应裂缝检测系统。在深入研究卷积神经网络的基本原理基础上，利用Python语言建立模型的基础架构，对裂缝的特征进行分析，选择合适的网络模型，实现路面裂缝的自适应检测。
2. 毕业设计（论文）主要任务及要求
（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。
（2）完成开题报告及任务书。
（3）采用Python语言搭建模型的基础架构，构建裂缝检测数据集，训练得到高精度的路面裂缝检测模型。
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
（3）第7－9周：熟悉Python语言和深度学习框架，制作裂缝数据集。
4. 主要参考文献
[1] H. Farzad, S. Hannes, D. Babette, T.Carme and B. Sven, “Combining semantic and geometric features for object classsegmentation of indoor scenes,” IEEE Robotics Automation Letters, vol. 2,no. 1, pp. 49-55, Jan. 2017.
[2] W. Fan, A. Samia, L. Chunfeng and B.Abdelaziz, “Multimodality semantic segmentation based on polarization and colorimages,” Neurocomputing, vol. 253, pp. 193-200, Aug. 2017.
[3] CHEN L C, PAPANDREOU G, et al.Deeplab:Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs[J].IEEETransactions on Pattern Analysis and Machine Intelligence, 2018, 40 (4) :834-848.DOI:10.1109/TPAMI.2017.2699184.
