基于运动显著图和光流矢量分析的目标分割算法.pdf,为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度，提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域，然后利用光流矢量获得运动目标和背景区域的运动边界，并结合点在多边形内部原理得到运动目标内部精确的像素点，最后以超像素为基本分割单元，通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比，表明该算法能够有效实现多种复杂场景下的运动目标分割，并且较现有算法具有更高的分割精度。

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。

多相水平集协同空间模糊聚类图像多目标分割.pdf

结合小波变换和K均值聚类的SAR舰船目标分割.pdf

本程序可以实现对运动物体的检测与分割，并且有较好的效果(用摄像头)。

进行目标检测中用来提取感兴趣的目标可疑框的方法 来源是本网站中的某一篇博客，侵删

Matlab的运动目标分割车辆检测平均建模背景差分-MovingDetect.m 前几周写的代码 算法比较简单   - - 分享一下，顺便当成备份

SqueezeSeg点云目标识别的翻译版，虽然还存在一些翻译上的细节，但是相对于英文好多了。

一种非常快速和稳定的天空背景下红外弱小目标检测方法，执行速度远超目前的state-of-the-art方法。内含代码和示例，只需修改路径即可使用

基于pytorch的UNet分割网络demo实现，及训练自己的数据集。包括对相关报错的分析。收集了几个比较好的前辈的网址。