沧州商城网站建设青岛百度推广优化

一、软件介绍

文末提供程序和源码下载

       DeepImageJ 是一个用户友好的插件，支持在 ImageJ 中使用各种预先训练的深度学习模型。该插件弥合了深度学习和标准生命科学应用程序之间的差距。DeepImageJ 在基于 CPU 的标准计算机或 GPU 上运行图像到图像作，不需要任何深度学习专业知识。

The DeepImageJ project is an open source software (OSS) under the BSD 2-Clause License. All the resources provided here are freely available.
DeepImageJ 项目是 BSD 2 条款许可下的开源软件 （OSS）。这里提供的所有资源都是免费提供的。

• If you used one of the material provided within DeepImageJ such as trained models or Python notebooks, cite their authors' work.
  如果您使用了 DeepImageJ 中提供的材料之一，例如经过训练的模型或 Python 笔记本，请引用其作者的工作。
• E. Gómez-de-Mariscal, C. García-López-de-Haro, W. Ouyang, L. Donati, E. Lundberg, M. Unser, A. Muñoz-Barrutia, D. Sage, DeepImageJ: A user-friendly environment to run deep learning models in ImageJ, Nat Methods 18, 1192–1195 (2021).E. Gómez-de-Mariscal， C. García-López-de-Haro， W. Ouyang， L. Donati， E. Lundberg， M. Unser， A. Muñoz-Barrutia， D. Sage， DeepImageJ：在 ImageJ 中运行深度学习模型的用户友好环境，Nat Methods 18， 1192–1195 （2021）。

@article{gomez2021deepimagej,title={DeepImageJ: A user-friendly environment to run deep learning models in ImageJ},author={G{\'o}mez-de-Mariscal, Estibaliz and Garc{\'i}a-L{\'o}pez-de-Haro, Carlos and Ouyang, Wei and Donati, Laur{\`e}ne and Lundberg, Emma and Unser, Michael and Mu{\~{n}}oz-Barrutia, Arrate and Sage, Daniel},journal={Nature Methods},year={2021},volume={18},number={10},pages={1192-1195},URL = {https://doi.org/10.1038/s41592-021-01262-9},doi = {10.1038/s41592-021-01262-9}
}

软件下载

迅雷云盘

本文信息来源于GitHub作者地址：https://github.com/deepimagej/deepimagej-plugin