基于深度学习的课程与思政融合构建策略

基于深度学习的混合式教学模式的研究

基于深度学习的荧光显微成像技术及应用

包括EDSR、ESPCN、FSRCNN、LapSRN，分别放大2倍，3倍，4倍，8倍的预训练好的模型 1. EDSR_x4.pb：单图像超分辨率纸的增强深度残差网络模型-将输入图像分辨率提高4倍 2. ESPCN_x4.pb：使用高效的亚像素卷积神经网络实现实时单图像和视频超分辨率的超分辨率模型，将分辨率提高4倍 3. FSRCNN_x3.pb：加速超分辨率卷积神经网络的模型-将图像分辨率 4. LapSRN_x8.pb：超分辨率模型，来自快速准确的图像超分辨率和深拉普拉斯金字塔网络-将图像分辨率提高8倍

基于深度学习的车型识别系统的设计与实现

一些经常需要用到的NLP算法包，有助于学习和使用基于深度学习的文本处理。

基于深度学习图片鉴黄 Caffe implementation of Not Suitable for Work (NSFW)

超分辨荧光成像实验的分辨率和成像质量与实验过程中收集到的荧光分子光子数和背景噪声有着密切的关系。为了实现低光子数、高背景光下的快速超分辨荧光显微成像,利用所提卷积神经网络算法实现了对极低信噪比信号的恢复,并结合重构网络进行了超分辨成像。结果表明:利用该方法可以实现荧光信号在低信噪比下的有效恢复,峰值信噪比可达27 dB,明显优于同类的其他两种算法。该方法还可以配合Deep-STORM重构网络在低信噪比下实现快速的超分辨成像。重构结果的归一化均方误差为7.5%,分辨率相较其他算法有明显提升。实验条件下的重构结果验证了该方法的能力,为弱信号下的荧光快速超分辨成像提供了可行方案。

带有深度学习的人体姿势估计：基于深度学习的人体姿势估计的MATLAB示例

基于深度学习的噪声抑制与语音识别系统.zip 计算机专业，软件工程专业，通信工程大学生课程设计 自己大三的时候写的 适合大家做课程设计，写毕业设计也可以参考 基于深度学习的课程设计