这是我的毕业项目，如果你想重用它，只使用训练 py 文件来训练模型整个应用程序将无法工作，而且我没有上传经过训练的模型的 h5 文件，因为它的大小约为 3GB，即太多了，您可以将 kaggle API 与 colab 一起使用来轻松训练模型，谢谢 :) 图像伪造检测使用深度学习 使用卷积神经网络进行图像处理以检测图像中的篡改 项目描述 该项目结合了不同的深度学习技术和图像处理技术，以检测不同图像格式（有损或无损格式）的图像篡改“复制移动和拼接”伪造。我们实施了两种不同的技术来检测篡改。我使用 ELA 预处理构建了自己的模型，并使用了两个不同的预训练模型（VGG19、VGG15）进行微调，这些模型使用Google Colab进行训练，图像伪造检测应用程序使用户能够使用应用程序训练的模型测试图像或训练具有新数据集的应用程序模型和具有此新训练模型的测试图像。 楷模 错误级别分析“ELA” [1][2]最高准确率 (94.54% , epoc12)您可以从这里阅读更多关于 ELA 的信息！. VGG16 预训练模型。 VGG19 预训练模型。

人力资源管理系统

TS_平台：毕业项目，师生交流平台

北大青鸟--自己的二期毕业项目《首尔游乐园》带后台管理的完整项目，风格清新时尚且非常漂亮

客户关系管理系统，集页面原形，代码实现，项目打包为一体，界面优美，功能全面，其中包括，报表导入、导出，饼图显示，柱状图显示，spring定时机制等等....

毕业设计的源码 Graduation-Project This is my graduation project including the source code and paper,which is named Differential recognition of lesions in thoracic X-ray images based on deep learning。 医学X光图像是一种根据不同组织对X射线的不同吸收程度来反映人体内部结构的成像方式，可以显示多种复杂的病理特征，是目前最常用的放射学检查手段之一。本文研究的胸部X光图像主要用于检测多种常见胸肺部疾病，但与传统的图像分类相比，X光图像在灰度值上的对比度很小，小的病理区域很难被发现，而成像过程中所引起的伪影和畸变很容易淹没临床特征，这给胸部X光图像的疾病检测带来了许多困难。 在胸部X光图像分类上，目前仅使用某种单独的学习策略通常不足以训练参数量大、层数多的复杂深度网络，限制了网络训练速度以及分类效果的提升。因此，本文利用深度学习技术，提出了一种基于双通道分离网络（Dual Channel Split Networ

这是大学时候做的一个java项目，总体来说做的比较完整，前后台都已经实现。主要采用了mysql+jquery+el+html+js++jsp+structs1+myeclipse等相关技术和工具。工程可以导入，但是自己看着需要修改变量以及相应的属性文件，里面已经包含了js页面所有的素材和目录以及数据库的脚本sql。可能src目录会有点乱，因为后来才自己添加的后台功能。这个项目技术简单，但是内容很多，值得很多新人学习，包括购物车设计，分页技术，以及后台js的框架等。

项目毕业文档和PPT，项目源代码。 基于WEB的仓库管理系统主要用于实现仓库的出入库管理，基本功能包括：入库模块、出库模块、商品查看模块、用户注册模块、个人信息管理模块

高端大气的服饰类购物网站，设计功能开发：首页、商品列表页、详细页、展示页，等常用功能，网站访问地址截图：https://blog.csdn.net/weixin_40228600/article/details/120930683

主要功能：首页、登录功能、文章管理、分类管理、标签管理、链接管理、归档管理等主要功能。框架：Springboot 数据库持久层：Mybatis 文章评论插件：Valine 分页插件：PageHelper 后台UI框架：X-admin框架，即LayUI框架 数据库连接池：hikari 数据库：MySQL 日志：Log4J