包括： 1.yolov5 +sgbm算法集成 2. C++实现sgbm 3.python 实现sgbm 4. jetson tensort 部署 项目参考博客：https://blog.csdn.net/weixin_38346042/article/details/126807379?spm=1001.2014.3001.5501

电气遥感影像目标检测图像数据集（电塔、光伏等四类目标，含标签）

随着基于数据融合的目标检测在军事以及自然防护等领域广泛应用,越来越多的研究希望通过对检测融合系统进行优化或引入新的检测融合方法来更好地进行目标检测,从而推动相关领域的发展.基于数据融合的目标检测具有重要的学术意义和应用价值,为此,从先进的检测技术到优化创新的前沿论文等方面详细介绍基于数据融合的目标检测方法的最新研究进展.首先对融合定义、模式及其优缺点展开讨论,并总结目前该领域所面临的挑战;然后从传感器辅助方法、融合层次方法两个方面对相关研究方法进行详细的分类阐述,综述该领域的研究现状,并对所介绍的文献从检测性能、复杂程度、成本大小、检测目标(数量、动态、维度)等方面展开归纳总结;最后进行全文总结并对该领域的研究前景进行展望.

目标检测论文打包下载： Fast RCNN ，Faster R-CNN，NIN，RCNN，SPPNet，SSD，yolo，YOLOV2，YOLOv3

深度学习图像处理，垃圾分类目标检测数据集，自己处理的，质量较好，付费资源需要的联系

小目标检测离线切图操作

目标检测数据集划分，txt格式的划分（训练集、验证集、测试集），只要填写绝对路径就可以把数据集的图片和标签划分好，但是注意，标签是txt格式的。

1裁剪(需改变bbox)2. 平移(需改变bbox)3. 改变亮度4. 加噪声5. 旋转角度(需要改变bbox)6. 镜像(需要改变bbox)7. cutout 需要增强多少以及运用什么增强可以自己设置。重点看387行到422行，自己修改需要的东西。513行以下设置自己的路径。

只有代码，没有权重，TPH-YOLOv5: 基于Transformer预测头的改进YOLOv5用于无人机捕获场景目标检测

雷达动目标检测仿真，含脉冲压缩，mtd处理等