深度学习 图像 Transformer 系列训练 window mmcv 编译库

用于深度学习，图像识别的经典数据

综述类的论文，对于超分辨率研究入门很有帮助，作者附录里有附带经典源码的链接，特别是几个深度学习的github链接，国内也有镜像

支持深度学习VOC2007、YOLO txt、多边形图像分割xml、多边形图像分割Jason

1.pytorch 实现的图像去雨代码，附详细注释和实验操作流程，代码可以直接运行 2.利用 Rain100 已经有训练和测试数据集，也可以参考 readme 文档更换自己的数据集 3.可以直接运行查看去雨后的效果，代码包含在 Rain100H,Rain100L,Rain1400 上已经训练好的网络参数，需要测试哪个数据集只需要更换测试图片和参数文件即可 4.可以训练自定义的网络结构或者数据集 5.readme 文档中有详细的环境和包 6.附有计算 psnr 和 ssim 的代码 7.一次下载基本包含图像去雨涉及到的各方面，欢迎下载。

第1章主要技术和工具介绍. 1.1TensorFlow 1.2微信小程序 1.3Node.js 1.4VantWeapp 1.5MySql数据库 1.6前后端分离技术 第2章需求分析 2.1系统功能需求分析 2.1.1需求概述............. 2.1.2用例分析 2.2系统业务流程分析. 第3章系统设计. 3.1系统结构设计.. 3.1.1系统功能模块图 3.1.2功能模块时序图.. 3.2数据库设计 3.2.1数据库设计概述 3.2.2实体联系 3.2.3表设计. 第4章系统实现. 4.1基本任务. 4.2小程序开发...... 4.2.1拍照页面..... 4.2.2拍视频页面 4.2.3我的页面 4.3水果识别实现 4.3.1环境搭建 4.3.2卷积层 4.3.3池化层 4.3.4全连接层 4.3.5损失层.... 4.3.6卷积神经网络的超参数设置 4.3.7神经网络搭建. 4.3.8训练数据集. 4.3.9识别精确度的提升. 4.3.10CNN特征可视化.. 4.3.11识别目标信息的采集.. 4.3.12封装水果识别软件接口 4.4Node后端的搭建.. 。。。。

图像分割算法的发展流程，包括传统的经典图像分割算法与基于深度学习的图像分割算法。 包括整体的发展过程与部分实验结果展示。

CS231N-2022第一次作业: kNN图像分类器实现

北京邮电大学计算机学院鲁鹏老师的计算机视觉与深度学习课程第五章：图像基础操作

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。