Matlab-Based Open Image Restoration Toolkit Latest Deep Learning Techniques for Image Restoration
该项目收集并打包了遵循各种标准的图像恢复技术，包括最新技术（都基于深度学习），开源技术（MIT或Apache许可证），可用技术（可直接使用预训练模型且不需要复杂依赖），以及Pythonic技术（更易于与Google Colab等平台共享和使用）。截至2019年7月25日，NLRN和ESRGAN是多个排行榜的领导者（可参考paperswithcode.com）。
技术细节：当前软件包包含的算法既可以直接使用，也可以根据需求从外部GitHub存储库稍作改编。所选方法依据以下标准进行比较：
去噪（去除颗粒） - 刘等，2018年提出的非本地循环网络（NLRN）。MIT许可证。
去除波纹（去除条纹噪
Matlab
5
2024-11-05
Genetic Neural Network-Based Image Segmentation MATLAB Source Code
基于遗传神经网络的图像分割MATLAB源码，非常经典！
Matlab
9
2024-11-06
Bi-LSTM MATLAB Code and Data Science Notes Deep Learning,Machine Learning,and More
Bi-LSTM MATLAB Code – DataScience-Notes 数据科学笔记。提供有关数据科学的笔记、代码和实例，涵盖数学、统计、机器学习、深度学习等基础知识及相关应用场景。参考资料已在最后列出。大部分代码采用Python编写，涉及的库及框架包括： NumPy、SymPy、Scikit-learn、Gensim、TensorFlow 1.X、TensorFlow 2.X 和 MXNet。部分数值分析代码则使用MATLAB编写。
注释：- (notebook): Jupyter Notebook 文件链接- (MATLAB): 相应的 MATLAB 代码链接- (md): M
Matlab
8
2024-11-05
JCSA-RM_RGBD_Image_Segmentation_MATLAB_Code RGB-D Image Segmentation Using JCSA-RM Method
该存储库提供了JCSA-RM方法用于RGB-D图像分割和分析的MATLAB实现。JCSA-RM方法结合了RGB和深度信息，通过联合色彩空间轴向聚类和区域合并来实现图像分割。此存储库包含以下功能演示：
从mat文件中加载RGB-D图像数据（包括RGB图像、深度图像和法线数据），并显示它们。
生成并显示分割结果图像。
如何使用演示：- 运行MATLAB文件RGBD_Seg_JCSA_RM.m以使用GUI版本，或者运行demo_NO_GUI.m进行非GUI版本的演示。- 数据加载：使用样件名如rgbd_info_1.mat，rgbd_info_2.mat，rgbd_info_1_better_n
Matlab
5
2024-11-06
Image Mean Squared Error MATLAB Code for Deep Sequence Regression with Diverse Labels
图像的均方误差的MATLAB代码，涉及标签多样性的深序回归，这是实施的官方代码库，接受ICPR2020。代码作者：Axel Berg。依赖关系包括深度学习工具箱的MATLAB 2020a和CUDA 10.1。数据集准备：在脚本中设置数据集的正确路径后，下载对齐并裁剪的UTKFace图像，运行age/data/createCroppedUtkDataset.m，以创建用于读取图像的数据存储对象。训练/测试拆分与“Coral-CNN”中使用的拆分相同。对于Biwi数据集，我们使用FSA-Net论文中所述的协议2（70-30的训练/测试拆分）。您可以使用原始代码准备数据集并将拆分存储为.mat文件。
Matlab
5
2024-10-31
Deep Learning Trends and Fundamentals
深度学习历史趋势
一、深度学习历史趋势
神经网络的众多名称和命运变迁：
早期发展：20世纪50年代末至60年代初，神经网络研究开始兴起，受到广泛关注。
第一次寒冬：1970年代，由于理论和技术上的限制，神经网络研究进入低谷期。
反向传播算法的引入：1980年代中期，反向传播算法的提出极大地推动了神经网络的研究和发展。
第二次寒冬：1990年代中期，尽管有了突破性的进展，但由于计算资源和数据量的限制，神经网络再次遭遇挫折。
深度学习的复兴：21世纪初至今，随着GPU技术的发展、大数据时代的到来以及算法的不断创新，深度学习迎来了爆发式的增长。
与日俱增的数据量：
互联
算法与数据结构
8
2024-10-31
Matlab Rectangular Segmentation Code-SGIR Test Code
Matlab椭圆分割代码，方法为“IASR：弱监督语义分割的迭代注释选择和细化”的测试代码。测试步骤如下：第一步：下载压缩模型，密码为：bg15或放入根目录解压。我们已发布与密码：y970的汇总手稿中表6的步骤P1到P4对应的所有模型。第二步：更改retored模型的根并运行test_vocSGIR_vgg.py进行SGIR-vgg16评估，多尺度融合的预测将保存在SAVE_DIR = './result/'中。在PASCAL VOC 2012验证数据集上可实现59.3的平均IoU。第三步：更改retored模型的根并运行test_vocSGIR_resnet进行SGIR-resnet101评
Matlab
9
2024-11-01
FCM_Clustering_Algorithm_for_Image_Segmentation
FCM聚类，实现图像分割，包括相关图片和MATLAB程序，可以自行运行并验证其有效性。所有资源可供下载学习。
Matlab
6
2024-11-02
MATLAB_Add_Grid_To_Image_Code
以下是给照片添加网格的程序。用户可以根据需要自主编辑，调整网格密度。
% 读取图片
img = imread('your_image.jpg');
imshow(img);
hold on;
% 设置网格密度
grid_density = 20;
% 绘制网格
for i = 1:grid_density:size(img, 1)
plot([1 size(img, 2)], [i i], 'r');
end
for j = 1:grid_density:size(img, 2)
plot([j j], [1 size(img, 1)], 'r');
end
hold off;
Matlab
4
2024-11-02
