![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机毕业设计
文章平均质量分 84
苯酸氨酰糖化物
Talk is cheap. Show me the code
展开
-
计算机毕业设计-基于深度学习的老(旧)照片色彩复原、上色算法模型设计与实现(对抗生成式网络GAN、含Github代码与Web端设计)
图像上色是一个具有挑战性的问题,因为它涉及到多模态不确定性和高度的不确定性。直接训练深度神经网络通常会导致语义色彩错误和低色彩丰富度。尽管基于变压器的方法可以提供更好的结果,但它们通常依赖于手动设计的先验,具有较差的泛化能力,并引入颜色流动效应。为了解决这些问题,本课题设计了一种使用改进的双GAN解码器进行图像着色的端到端方法。本课题的方法包括一个像素解码器和一个基于查询的颜色解码器。前者恢复空间分辨率图像,而后者利用丰富的视觉特征进行精细的颜色查询,从而避免了手动设计的先验。原创 2024-05-09 15:04:35 · 770 阅读 · 0 评论 -
计算机毕业设计--基于深度学习的自动驾驶车道线检测算法设计与实现(含giuhub代码+Gradio展示界面)
车道是智能汽车视觉导航系统的关键。车道自然是一个具有高级语义的交通标志,但它具有特定的局部模式,需要详细的底层特征才能准确定位。使用不同的特征级别对于准确的车道检测非常重要,但目前还没有得到充分的研究。在这份项目中,使用CNN跨层细化算法构建网络,旨在充分利用车道检测中的高层和低层特征。模型对车道进行检测的过程中,首先检测具有高级语义特征的车道,然后根据低级特征进行细化。通过这种方式,模型可以利用更多的视频中车道的上下文信息来检测车道的准确位置,同时利用详细的车道特征来提高定位精度。原创 2024-04-23 15:58:55 · 990 阅读 · 0 评论 -
计算机毕业设计--老照片(灰白照片)清晰化+划痕修复+色彩增强的深度学习算法设计与实现(含giuhub代码+GUI可视化界面)
老旧照片修复是一项很有意义的研究,如果你想让50-80年代之间的黑白照片变为彩色?或者修复那些带有划痕的旧照片,亦或是模糊照片清晰化?都可以采用本项目解决,本项目针对于计算机学生的毕业设计,项目提供算法模型与新设计的前端gui界面原创 2024-03-06 15:15:53 · 1179 阅读 · 0 评论 -
计算机毕业设计--基于深度学习技术(Transformer、GAN)的图像修复算法(含Github代码+GUI+Web端在线体验界面)
最近的研究表明,在图像修复问题中建立远程相互作用模型具有很高的重要性。为了实现这一目标,现有的方法要么利用独立注意力技术,要么利用Transformer。但是,考虑到计算成本,并且通常需要修复低分辨率下的图像。本课题提出了一种新的基于Transformer的图像修复模型,该模型能够有效处理高分辨率图像。具体来说,本课题设计了一个面向预测像素的Transformer结构模型,结合卷积的上下采样和图像风格迁移技术来实现缺失或者模糊图像的修复。原创 2023-12-12 12:05:37 · 3182 阅读 · 2 评论 -
计算机毕业设计--基于深度学习的目标检测模型(可根据需求定制)(含Github代码)
计算机毕业设计--基于机器学习/深度学习的目标检测模型/系统。用于本科毕业时涉及深度学习、机器学习的毕业设计,可以检测任何你想检测的东西,只需要准备好图片数据集,就可以训练自己的目标检测模型,任何一台电脑都可以使用,可以通过摄像头动态使用,也可以检测单张图片,也可以检测一整个视频内容原创 2023-04-16 16:59:35 · 937 阅读 · 0 评论 -
计算机毕业设计-大数据展示-管理系统-基于大数据分析的在校学生素质发展监测系统(含Github代码+服务器部署演示)
本项目基于已有的高校学生在校期间各方面的信息,联合教务办、学工办、就业办及研究生处等多部门,开发学生发展数据综合评价与分析系统,实现对学生在校期间学习、发展情况的智能化统计、分析,挖掘其内在的数据关系,为教师和辅导员提供更具针对性的教学对策,营造良好的学习氛围,促进师生交流,提高管理效率。后端:SSM(Spring+SpringMVC+MyBatis),Mysql。前端:JS, JQuery, Ajax, Jqgrid, admin模版。原创 2023-02-26 21:26:32 · 1372 阅读 · 0 评论 -
计算机毕业设计--基于深度学习的车牌检测与识别算法(含有Github代码)
本项目利用深度学习(卷积神经网络)设计了一个基于深度学习的车牌检测识别系统,非常适合作为本科毕业论文的研究课题。该系统提供两种检测方式:一种是对上传的图片进行车牌检测识别,另一种是通过视频流自动识别车牌和车牌信息。只需提供包含车牌的图片(无论位置或角度如何),系统即可标记图片中的车牌位置并输出车牌号码。如果你有摄像头,可以通过训练好的模型调用摄像头进行动态车牌监测,或者将.mp4格式的视频文件输入模型,模型将返回标记好车牌位置的图片并输出检测到的车牌号码。具体来说,车辆检测网络采用了YOLOv7。原创 2023-11-23 12:57:07 · 771 阅读 · 0 评论