基于图像的胃癌深度学习检测

针对零部件在工业生产线包装过程中存在检测速度慢，自动化检测水平低下，检测准确率不高等问题，提出一种基于深度学习的工业零部件检测系统的方案设计，实现对零部件自动检测的功能。设计一种实验检测平台用于获取包

提出了一种基于深度学习的SSD改进模型,经典的SSD采用多尺度特征融合的方式,从网络不同尺度的特征做预测,但是没有用到底层的特征,通过引入RESNET和FPN模型,对原有模型进行改进,平均识别率达到9

基于opencv3.4以上版本，VS新建工程配置好opencv，修改代码中路径为自己的路径即可

目标检测（Object Detection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网

采用yolov5算法训练以达到高准确率的摔倒行为检测，该模型已在runs/train目录下训练完成并可直接使用，训练参数和检测效果分别放置于相应目录下。摔倒检测可广泛应用于异常行为监测和智能守护等领域

提出了一种基于深度学习的多视窗 SSD(Single Shot multibox Detector)目标检测方法。首先 阐述了经典 SSD 方法的模型与工作原理，并根据卷积感受野的概念和模型特征层与原

在云计算中，为了提供可靠和连续的服务，需要准确而及时的故障检测。 但是，云故障数据，特别是云故障特征数据的采集比较困难，数据量太小，采用大数据训练方法可以解决一定的难度。 因此，提出了一种基于深度学习

深度学习技术在图像降噪方面获得了极大的关注。但是,处理噪声的不同类型的学习方法有很大的差异。具体来说,基于深度学习的判别式学习可以很好地解决高斯噪声。基于深度学习的优化模型方法对真实噪声的估计有很好的

深度学习脑部肿瘤图像分割代码，python包括图像预处理数据增强，数据生成，网络训练，测试结果

Keras图像深度学习实战,侯宜君，pdf版本，喜欢的可以看看