1. 毕业设计（论文）主要内容：
利用深度学习的基本原理，设计、实现适合城乡结合部常见的土地利用类型：绿地，农田的识别与分类，并结合定量的评价标准，对模型进行优化。
2. 毕业设计（论文）主要任务及要求
1，设计城乡结合部常见土地利用类型分类标准；
2，建立适合城乡结合部土地利用类型分类及遥感对象识别的语义分割模型；
3，采集遥感数据，完成模型训练集的制作；
3. 毕业设计（论文）完成任务的计划与安排
2019年12月，完成选题，搜集资料，撰写研究现状报告；2020年1月-2月，设计毕业设计研究方案与技术路线；2020年3月-4月，采集数据，设计并调试模型，完成实验的评价；2020年5月，撰写毕业论文。
4. 主要参考文献
1.Shelhamer, E.; Long, J.; Darrell, T. Fully convolutional networks for semantic segmentation. IEEE Trans. Pattern Anal. Mach. Intell. 2017, 39, 640–651.2. Ronneberger, O.; Fischer, P.; Brox, T. U-Net: Convolutional networks for biomedical image segmentation. In Medical Image Computing and Computer-Assisted Intervention—MICCAI 2015; Navab, N., Hornegger, J., Wells, W.M., Frangi, A.F., Eds.; Springer International Publishing: Cham, Switzerland, 2015; Volume 9351, pp. 234–2413. Huang, G.; Liu, Z.; van der Maaten, L.; Weinberger, K.Q. Densely connected convolutional networks. In Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA, 21–26 July 2017; pp. 2261–2269.4. Zhang, T.; Tang, H. A comprehensive evaluation of approaches for built-up area extraction from landsat oli images using massive samples. Remote Sens. 2019, 11, 2.5. Sun, G.; Huang, H.; Zhang, A.; Li, F.; Zhao, H.; Fu, H. Fusion of multiscale convolutional neural networks for building extraction in very high-resolution images. Remote Sens. 2019, 11, 227.6. Yang, H.; Wu, P.; Yao, X.; Wu, Y.; Wang, B.; Xu, Y. Building extraction in very high resolution imagery by dense-attention networks. Remote Sens. 2018, 10, 1768.
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。
