使用基因算法和模糊的多目标优化方面的英文原版书籍!

1.遥感数据集，方便入门学习。 2.RSOD是一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。 3.数据库的亮点是，各个类别之间样本量较均衡。 4.对于一般的目标检测而言，数据集至少应该是千位数甚至上万，可能效果会比较少的数据集更好。 5.上传的是936张数据集，有图片和标签，全部一一对应。 6.可以对任意数据集进行扩充，如果需要定做，私信我，或者私信找我要扩充之后的数据集，付费咨询。 7.扩充增强方法可以采用数据模糊，亮度，裁剪，旋转，平移，镜像等变化，或者基于深度学习SRGAN增强等方式。

YOLOV5实现目标检测 PYQT实现可视化界面

深度学习草莓成熟度检测数据集，不同时期的草莓图像以及标注文件，包含成熟，生长，花期三类标签

在Alexnet网络模型的基础上，基于迁移学习原理，来训练R-CNN目标检测网络。并对Matlab自带的stop sign(停止标志)图像数据集进行识别，该数据集已标注好。其实现步骤如下： 步骤一：导入Alexnet预训练的模型 步骤二：载入训练集图像 步骤三：设置训练参数，并基于迁移学习原理，在Alexnet卷积神经网络基础上，通过41幅包括stop sign的图像训练R-CNN检测器。 步骤四：使用测试图像检验训练好的目标检测器对stop sign图像的检测效果，在原图上标记目标区域并显示类别和置信度。

基于yolov5算法的深度学习目标检测程序。YOLOV5：You Only Look Once目标检测模型在pytorch当中的实现（edition v5.0 in Ultralytics）支持多GPU训练，新增各个种类目标数量计算，新增heatmap；将正样本匹配过程加入dataloader，加快了运算速度；加入EMA效果变好。 2022-02:仓库创建，支持不同尺寸模型训练，分别为s、m、l、x版本的yolov5、支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。

目标检测下矿车数据集，包含原图和xml格式标签

yolov5-obb旋转目标检测直接运行版，只需配置好虚拟环境就可直接运行，包含部分demo数据集

matlab中inv的函数代码MIACE MI-ACE和MI-SMF目标表征算法Matlab实现 注意：如果在任何出版物或演示文稿中使用了MI-ACE或MI-SMF算法，则必须引用以下参考文献： A. Zare，C。Jiao和T. Glenn，“区别多实例高光谱目标特征”，在IEEE Transactions on Pattern Analysis and Machine Intelligence，vol。1中。 40号10，页2342-2354，2018年10月1日。doi：10.1109 / TPAMI.2017.2756632 注意：如果在任何出版物或演示文稿中使用此代码，则必须引用以下参考文献：A. Zare，C。Jiao和T. Glenn。 （2018年10月19日）。 GatorSense / MIACE：版本1（版本v1.0）。 Zenodo。 运行MI-SMF或MI-ACE的命令： [optTarget，optObjVal，b_mu，sig_inv_half，init_t] = miTarget（数据包，标签，参数） 输入： + dataBags-单元格数组，其中每个单

涵盖opencv自带的"csrt"，"kcf"，"boosting"，"mil"，"tld"，"medianflow"，"mosse"，完整示例