1、YOLO水下目标检测数据集，分为两部分,此为第二部分，7000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的水下海产品目标检测；数据场景丰富；类别为starfish、holothurian、echinus、scallop、waterweeds 5个水产品类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

通常的侦察手段对于军事假目标的识别能力有限，文中提出了一种新的军事假目标识别方法。在介绍偏振成像机理的基础上，分析了偏振信息检测和强度信息检测在物理含义中的区别。提出了获得偏振度图像的方法，通过理论分析，能够很好地分辨真假目标，证明了文中方法的科学性和可行性，对军事假目标的检测有重要意义。

为了克服传统Hough变换检测圆时耗时巨大的缺陷，给出了一种新的基于Hough变换检测圆的快速算法。新算法与传统的方法相比具有以下特点：计算量少，提高了检测的速度；保留了传统Hough变换识别率高、抗噪性强、对不完整边缘具有鲁棒性等所有优点；不需要任何特殊的限定条件。实验表明，新的快速算法可以快速进行目标识别，在实时目标识别系统中具有良好的表现。

用于合成Kong径雷达目标识别的多视角双向LSTM网络

描述了图像目标识别的基本方法研究，主要从gabor及Adaboost两个方面来详细说明

目标睡意检测是计算机视觉的一个研究热点，随着未来教育日趋网络化，为了有效地提高学生网课学习质量，睡意检测系统对学生上课状态进行实时检测。 本系统基于OpenCv对学生面部进行定位，再通过Dlib内部实现的面部标志性检测器对学生面部特征进行提取，能够迅速有效地获取眼睛和嘴巴特征点的位置，再通过眼睛纵横比（Eye Aspect Ratio，EAR）和嘴巴纵横比（Mouth Aspect Ratio，MAR）结合计算帧数进行睡意判断。 （1）本系统需要对摄像头获取到的目标进行人脸检测与定位。 （2）此系统调用Dlib库的内部的预训练面部界标检测器用于估计映射到面部结构的68-(x,y)坐标位置,FACIAL_LANDMARKS_IDXS属性返回所需的坐标。 （3）此系统采用眼睛纵横比（EAR）与嘴巴纵横比（MAR）的方法进行对眼睛和嘴巴张合程度检测。通过多帧对比进行睡意检测，并对目标语音唤醒。

压缩包内有由MXNet提供的im2rec工具将图像转换成了二进制的RecordIO格式的数据，还有转回PNG格式的图片，label信息存放在json文件中

针对多传感器的目标识别问题，利用异类传感器数据多样性的特点，通过可信度的概念将多种数据进行融合。根据目标信息的不确定性，引入模糊物元分析法确定特性熵权，用Vague集表达目标的特征值，根据Vague度距离给出目标识别结果。实验仿真表明，异类传感器比同类传感器能更好地融合信息，提高目标识别效果。

关于旋翼的微多普勒分析的文章，供大家学习参考。

darknet在windows10+VS2017+opencv3.4.1（C++）下编译与应用，关于darknet更多信息可以参考官网： https://pjreddie.com/darknet/tiny-darknet/ 相关的资源可以直接在官网下载。