基于深度学习语音分离技术的研究现状与进展， 研究性极强！

对区域的边界和物体边缘像素使用聚焦操作来计算区域显著特征，采用全局颜色显著性计算全局显著特征，基于卷积神经网络(CNN)融合区域显著特征和全局显著特征，获得最终的显著图，同时采用循环结构网络，多次参考周围环境信息，剔除噪声特点。在MSRA图像库和ECSSD图像库中测试所提算法，其平均精度和平均召回的调和平均值、平均误差均优于当前流行算法。

（1）对传统图像去雾领域的一些典型去雾算法进行深入分析，并与基于深度学习的图像去雾算法进行性能对比分析。本文在经典图像去雾数据集 RESIDE 和 O-HAZE 上进行实验，并采用无参考图像质量评估指标以及运行时间来衡量多种典型图像去雾算法的去雾效果。实验结果表明基于深度学习的去雾算法不仅具有不错的去雾效果，而且在单幅图像上的去雾效率更高。 （2）针对目前去雾网络模型训练参数过多，影响图像去雾效率的问题，本文提出一种新的基于轻量级网络的图像快速去雾模型 FAOD-Net 用于单幅图像去雾。 FAOD-Net 模型基于轻量化的体系结构，该体系结构使用深度可分离卷积来构建轻量级卷积神经网络。此外，本文在 FAOD-Net 模型中添加了金字塔场景解析网络来聚合图像不同区域的上下文信息，从而提高网络模型提取全局信息的能力。本文使用 RESIDE 训练集来训练 FAOD-Net模型，并在RESIDE 测试集上进行了广泛的实验，使用全参考和无参考图像质量评估指标来衡量去雾效果。实验结果表明 FAOD-Net 模型在去雾效果和速度上均具有令人满意的结果。 （3）针对目前图像去雾算法易导致去雾后的图像出现颜色失真的问题，本文提出一种新的基于颜色特征提取卷积网络的图像去雾模型 CIASM-Net。CIASM-Net 模型包括颜色特征提取卷积网络和深度去雾卷积网络。其中，颜色特征提取卷积网络用于提取有雾图像 RGB 颜色空间的特征，深度去雾卷积网络改进了逆大气散射模型卷积网络 IASM-Net，并使用多尺度卷积层来估计透射率图。此外，本文在 CIASM-Net 模型中添加了金字塔场景解析网络来提取全局特征。本文使用经典的 RESIDE 训练集来训练 CIASM-Net 模型，在 RESIDE 测试集上的实验结果表明 CIASM-Net 模型具有令人满意的去雾效果。

一、首先围绕烟雾检测问题，对其基本内容、理论研究与系统开发进行综述；接着对深度卷积神经网络，以及深度目标检测网络进行了详细介绍。二、研究基于改进 Mobile Net V2-SSD 的烟雾视频检测算法：首先提出新型重构金字塔结构，以提升小型烟雾目标的检测精度；然后提出基于烟雾先验特征的候选框参量设定方法，以快速准确的定位烟雾目标；接着引入了基于 SE-Net 模块的特征增强抑制机制，以有效提高特征表达能力；最后通过在雾检的准确率。三、研究基于改进 3D 残差稠密网络的烟雾视频检测算法：首先提出基于先验评分算法的疑似烟雾区域定位，以实现烟雾目标的实时定位；然后提出轻量化 3D 实现烟雾目标的精准检测；接着提出基于烟雾时变特征的动态检测策略，以实现实时性和精准性的最佳折中；最后通过实验对比，本文算法在检测率和准确率等方面都有提升。四、开发并实现了基于深度神经网络的烟雾视频检测系统：首先阐述了系统的需求和架构，然后介绍了系统开发的软件环境与硬件资源，阐明了该系统的具体实现流程；最后展示了对烟雾视频检测的实际运行效果。

基于深度学习的图像检索研究，包含对实现原理的介绍及解释

-：基于深度学习的肿瘤分割系统的设计与实现

1. 训练和测试数据集 2. 训练和测试代码（支持的backbone包括resent,mobilenet,shufflenet等） 3. 测试结果和演示图像

针对现有基于深度学习的人体动作识别模型参数量大、网络过深过重等问题，提出了一种轻量型的双流融合深度神经网络模型并将该模型应用于人体动作识别。该模型将浅层多尺度网络和深度网络相结合，实现了模型参数量的大幅减少，避免了网络过深的问题。在数据集UCF101和HMDB51上进行实验，该模型在ImageNet预训练模式下分别取得了94.0%和69.4%的识别准确率。实验表明，相较于现有大多基于深度学习的人体动作识别模型，该模型大幅减少了参数量，并且仍具有较高的动作识别准确率。

基于深度学习的车辆信息识别（一）：车辆颜色识别-附件资源

基于深度学习的文本相似度计算模型和代码，亲自跑过可以直接使用，对nlp领域的学习非常有借鉴意义，在智能问答系统上经常会用到。