一、项目背景       根据2010年世界卫生组织的数据，全球至少有22亿人患有视力障碍，其中10亿人的视力问题本来是可以预防的。在这些数据中，有超过3900万盲人，其中80%的盲症本来是可以通过预防措施避免的，这种情况在发展中国家尤为严重。数据显示，白内障是全球最常见的眼病，占据了眼疾病例的51%。       早期眼病检测对于预防由糖尿病、青光眼、白内障、年龄相关性黄斑变性（AMD）等疾病导致的失明至关重要。目前，基于眼底图像的疾病分类标准需要医生进行人工确认损伤位置并分析其严重程度，这需要耗费大量时间和资源。因此，快速、自动的疾病检测对于减轻眼科医生的负担和阻止患者视力受损至关重要。       研究计算机辅助病理图像分析与诊断具有重要意义，它可以提供高质量的医学眼底图像，并利用计算机视觉和深度学习技术自动检测眼部疾病。这种技术的发展有望帮助提高眼部疾病的早期诊断率，从而及时干预和治疗，减少因视力问题而导致的失明风险。 二、项目目标       基于彩色眼底图像实现眼部疾病分类，项目技术目标如下。       （1） 数据预处理。       （2） 模型构建与训练。       （3） 模型预测。       说明：以上技术目标仅供参考，具体分析方向可自定，需结合实际需求。 三、项目实现步骤       步骤一：了解项目背景与目标       步骤二：数据预处理       （1） 数据读取。       （2） 图像处理。       步骤三：模型构建与训练       （1） 导入VGG模型。       （2） 模型训练。       步骤四：模型预测       根据训练好的模型，对Training_Dataset中编号为1413的眼睛图片进行预测。

菜品智能推荐系统，作为原来的餐饮外卖平台系统的扩展与补充，主要负责对用户的历史评分数据进行处理，并生成推荐结果集。  

一、课程简介      通过学习本课程，可掌握构建卷积神经网络CNN、构建循环神经网络RNN、长短时间记忆模型LSTM的主要方法和技能，并为后续相关课程学习及将来从事数据挖掘工作奠定基础。 课程介绍深度学习中常用算法的原理以及编程实现，包含图像识别中常用模型卷积神经网络CNN、序列数据处理常用模型循环神经网络RNN、长短时间记忆模型LSTM。课程设计思路以应用为导向，让学员明确所学知识是如何解决问题的，通过教授和练习巩固所学知识，使学生真正理解并能够应用所学知识。最后结合实训内容巩固前面学习的知识。   二、配套教材       关于课程的相关教材，可以点击注册登录云教材，进行搜索下载你所需的教材相关的PPT、教案、教学进度表等资源包，丰富你的课堂体验。

一、课程简介       人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。      本案例的主要分析目标如下。      （1）了解一般图像的储存方式，掌握一般图像处理的方法。      （2）理解卷积神经网络各个结构的作用，构建一个人脸识别模型。   二、技术点       图像切割；特征信息；特征信息。   三、建议前置课程 TensorFlow2深度学习实战

❀❀❀本项目已完成交付❀❀❀ 交付单位：云南工商学院，中国人民警察大学，广州卫生职业技术学院，华南农业大学，广东财经大学，广州番禺职业技术学院   ▣ 工作内容 基于提供的视频，使用剪映等工具制作视频字幕(使用剪映可以自动生成字幕，需要做的主要是修改错误的内容，调整断句)。   ▣ 招募要求 1熟悉自然语言、计算机视觉、语音识别相关知识，熟悉这些知识的Python相关操作。 2.责任心强，有耐心且足够细心能够按时、保质、保量完成任务。 3.会用剪映制作字幕者优先   ▣ 工作地点 不限制，支持远程办公。   ▣ 工作时间 2023年6月16日24点前（需严格在这个时间前完成）。   ▣ 兼职收获 学生可获得本公司实习证明！  

一、课程简介       国内某新零售企业成立于2016年，主营业务为新零售智能销售设备投放和运营，经营的商品以食品饮料为主。

一、课程简介       通过学习本案例，可掌握图片数据读取、图片预处理、图片内容中的字符分割、卷积神经网络车牌识别模型构建的主要方法和技能，并为后续相关课程学习及将来从事数据分析工作奠定基础。 汽车车牌识别技术是车辆检测系统中的一个重要环节，它在交通监视和控制中占有很重要的地位，有着多种应用，例如自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊车辆的出入控制等等。同时，汽车车牌识别的方法还可应用到其他检测和识别领域，所以汽车车牌识别问题已经成为现代交通工程领域中研究的重点和热门问题之一。      本案例的主要分析目标如下。      （1） 通过采集到的图片进行车牌定位，获取车牌所在位置并进行截取。       （2）对截取的车牌位置图片进行字符分割。       （3）构建车牌识别模型。   二、技术点       图像平滑处理；图像形态学处理；图像梯度处理；图像轮廓；图像峰度；卷积神经网络；车牌识别。   三、建议前置课程 TensorFlow2深度学习实战 计算机视觉实战