基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。 软件架构 1.深度学习技术栈：Python3.7 , Tensorflow 2.1, google colab 2.服务端技术栈：阿里云ECS，Ubuntu-18-04-x64，Docker, Tensorflow Serving, nginx , tomcat 3.web客户端技术栈：Vue2 , Echarts , Tensorflow for js, Opencv for js 教程 -- tensorflow从安装到部署到服务器的保姆级教程 客户端代码 -- Web端，“hc”是jquery的版，“recogpest”是vue版 （上面成果里面的识别系统用的是vue版） 论文 -- 参考论文、最后毕业的论文、性能统计结果等成果 深度模型训练测试代码 -- 训练、测试深度学习模型的代码 基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论

imagenet-deepfill模型

基于深度学习的低剂量CT去噪后处理算法研究.doc

基于PaddlePaddle实现的密度估计模型CrowdNet预训练模型

UNet 网络做图像分割DRIVE数据集

4000张肺炎胸片图片数据集 4000张肺炎胸片图片数据集 4000张肺炎胸片图片数据集

成人与儿童分类数据集（800张图片，测试数据集包含120张图片，训练数据集包含680张图片，图像分辨率为370x320像素的RGB彩色模型。） 成人与儿童分类数据集（800张图片，测试数据集包含120张图片，训练数据集包含680张图片，图像分辨率为370x320像素的RGB彩色模型。）

人类笑脸数据集，这个数据集包含了快乐和不快乐的面部表情的标记图像。包含了Happy和Non-Happy的面部表情来练习二进制分类。 人类笑脸数据集，这个数据集包含了快乐和不快乐的面部表情的标记图像。包含了Happy和Non-Happy的面部表情来练习二进制分类

电路板瑕疵数据集（693个图像） 电路板瑕疵数据集（693个图像） 电路板瑕疵数据集（693个图像）

基于卫星图像的建筑图像数据集，输入数据为RGB卫星图像。输出是RGB卫星图像。输出是二值图像。对于非建筑，像素值为0，对于建筑，像素值为1。 基于卫星图像的建筑图像数据集，输入数据为RGB卫星图像。输出是RGB卫星图像。输出是二值图像。对于非建筑，像素值为0，对于建筑，像素值为1。