最新高质量大数据毕业设计分享50例(四)

# 1 基于深度学习二维码检测识别系统
首先对采集的彩色图像进行灰度化， 以提高后继的运行速度。

其次去除噪声。 采用十字形中值滤波去除噪音对二码图像的干扰主要是盐粒噪声。

利用灰度直方图工具， 使用迭代法选取适当的阈值， 对二维码进行二值化处理，灰度化、去噪、二值化 寻找探测图形确定旋转角度、定位、旋转获得数据使其变为白底黑色条码。

最后确定二维码的位置探测图形， 对条码进行定位， 旋转至水平后， 获得条码数据， 以便下一步进行解码。

2 基于协同过滤的电影推荐系统

系统基于Python技术，使用UML建模，采用Django框架组合进行设计，Mysql数据库存储数据。本系统的功能主要包括：用户注册、登录、信息维护、搜索电影、电影评分、个性化推荐以及管理员进行信息管理等。

个性化推荐功能使用基于用户的协同过滤算法和热点推荐来实现。开发工具主要有：Pycharm、Python3.8、Django3、mysql8、Navicat等。

电影在线推荐系统很大程度上提高了对电影管理的效率，符合广大用户的基本需求。

3 深度学习车型检测算法

YOLOv5实现对不同大小车辆的类型进行识别，YOLOv5的调用、训练和预测都十分方便，并且它为不同的设备需求和不同的应用场景提供了大小和参数数量不同的网络。

这里我们使用的车型数据集，其中训练集包含1488张图片，验证集包含507张图片，测试集包含31张图片，共计2026张图片。

4 深度学习图像风格迁移系统

对一副图像进行风格迁移，需要清楚的有两点。

• 生成的图像需要具有原图片的内容特征
• 生成的图像需要具有风格图片的纹理特征

根据这两点，可以确定，要想实现风格迁移，需要有两个loss值：
一个是生成图片的内容特征与原图的内容特征的loss，另一个是生成图片的纹理特征与风格图片的纹理特征的loss。

而对一张图片进行不同的特征（内容特征和纹理特征）提取，只需要使用不同的卷积结构进行训练即可以得到。这时我们需要用到两个神经网络。

再回到VGG网络上，VGG网络不断使用卷积层来提取特征，利用特征将物品进行分类，所以该网络中提取内容和纹理特征的参数都可以进行迁移使用。故需要将生成的图片经过VGG网络的特征提取，再分别针对内容和纹理进行特征的loss计算。

5 深度学习图像搜索引擎

给定一个包含特定实例(例如特定目标、场景、建筑等)的查询图像，图像检索旨在从数据库图像中找到包含相同实例的图像。

图像检索的典型流程：
1、首先设法从图像中提取一个合适的图像的表示向量。
2、其次对这些表示向量用欧式距离或余弦距离进行最近邻搜索以找到相似的图像。
3、最后可以使用一些后处理技术对检索结果进行微调，决定一个图像检索算法性能的关键在于提取的图像表示的好坏。

项目获取：

https://gitee.com/assistant-a/project-sharing