毕业论文任务书

发布时间：2025年09月27日作者:aiycxz.cn

论文题目：基于深度学习的图像超分辨率重建算法研究系部：计算机科学与技术系专业：计算机科学与技术学号： 2018020106学生：张嘉豪指导教师：刘丽1. 论文的主要任务及目标(1) 研究基于深度学习的图像超分辨率重建算法，包括图像超分辨率重建的基本原理、深度学习在图像超分辨率重建中的应用以及各种深度学习模型的优缺点。(2) 分析比较不同深度学习模型在图像超分辨率重建中的性能，包括峰值信噪比（PSNR）、结构相似性（SSIM）等评价指标。(3) 设计并实现一种基于深度学习的图像超分辨率重建算法，通过实验验证其有效性和优越性。(4) 对实验结果进行分析和讨论，总结算法的优缺点，并提出改进方向。2. 基本要求(1) 熟练掌握图像超分辨率重建的基本原理和深度学习的基本概念。(2) 熟悉常用的深度学习框架，如TensorFlow、PyTorch等。(3) 能够使用Python编程语言实现深度学习模型，并进行实验验证。(4) 具备一定的文献检索和阅读能力，能够查阅相关的中英文文献。(5) 具备良好的论文写作能力，能够按照学术规范撰写毕业论文。3. 主要参考文献[1] Dong C, Loy C C, He K, et al. Image super-resolution using deep convolutional networks[J]. IEEE transactions on pattern analysis and machine intelligence, 2016, 38(2): 295-307.[2] Wang Z, Chen J, Hoi S C H. Deep learning for image super-resolution: A survey[J]. IEEE transactions on pattern analysis and machine intelligence, 2020, 43(10): 3365-3387.[3] Ledig C, Theis L, Huszár F, et al. Photo-realistic single image super-resolution using a generative adversarial network[C]\/\/Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 4681-4690.[4] Kim J, Lee J K, Lee K M. Accurate image super-resolution using very deep convolutional networks[C]\/\/Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 1646-1654.[5] Shi W, Caballero J, Huszár F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]\/\/Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 1874-1883.4. 进度安排| 序号 | 各阶段任务 | 起止日期 ||---|---|---|| 1 | 确定论文题目，查阅相关文献，撰写开题报告 | 2021.09.01-2021.09.30 || 2 | 学习深度学习基础知识，熟悉相关框架 | 2021.10.01-2021.10.31 || 3 | 研究图像超分辨率重建算法，设计实验方案 | 2021.11.01-2021.11.30 || 4 | 实现算法，进行实验验证 | 2021.12.01-2022.01.31 || 5 | 分析实验结果，撰写论文初稿 | 2022.02.01-2022.03.31 || 6 | 修改论文，准备答辩 | 2022.04.01-2022.05.31 |