医疗图像分割数据集synapse

为了提高利用深度神经网络预测单图像深度信息的精确度，提出了一种采用自监督卷积神经网络进行单图像深度估计的方法。首先，该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度估计卷积神经网络，改善了网络的学习效率和性能，加快了网络的收敛速度;其次，通过结合灰度相似性、视差平滑和左右视差匹配等损失度量设计了一种更有效的损失函数，有效地降低了图像光照因素影响，遏制了图像深度的不连续性，并能保证左右视差的一致性，从而提高深度估计的鲁棒性;最后，采用立体图像作为训练数据，无需标深度监督信息，实现了端到端的单幅图像深度估计。在 Tensorflow框架下，用KIT和 Cityscapes数据集进行实验结果表明，与目前的主流方法相比，该方法在预测深度的精确度方面有较大提升，拥有更好的深度预测性能。

基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点

基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。 基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。 基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。 基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。 基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。

【MATLAB教程案例45】基于双目视觉的图像深度信息提取算法matlab仿真的测试图片样本

截止到2019/07/14日之前的，各路大神关于图像处理、深度学习的论文索引，包括多种经典的神经网络模型的具体阐述。

象棋数据及该数据集，包含大量合成的、随机生成的代表国际象棋图像的图像，以俯瞰棋盘及其棋子的角度拍摄。每张图片都与一个包含注释的.json文件相关联。 象棋数据及该数据集，包含大量合成的、随机生成的代表国际象棋图像的图像，以俯瞰棋盘及其棋子的角度拍摄。每张图片都与一个包含注释的.json文件相关联。

甲状腺超声图像良恶性分类数据集，该数据库包含99例病例和134张图像。每个病例都以XML文件的形式呈现，其中包含专家的注释和患者的注释 甲状腺超声图像良恶性分类数据集，该数据库包含99例病例和134张图像。每个病例都以XML文件的形式呈现，其中包含专家的注释和患者的注释

7种不同标注了的干豆图像，共13611粒图像 7种不同标注了的干豆图像，共13611粒图像 7种不同标注了的干豆图像，共13611粒图像

10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv