对弹体抖动情况下可见光波段低信噪比目标的检测技术进行了研究，提出了一种和最大值滤波与改进型Hough变换结合的目标检测算法，并对算法进行了计算机仿真，给出了仿真结果．

还在摸索怎么用detectron2训练自己数据集的朋友们下来看看，相信不会让你们失望的,有问题提出，一起学习

基于DSP的图象处理资料---基于DSP的快速目标识别与跟踪技术研究 支持向量机

本代码是用来读取VOC格式的xml文件，找到图片位置并按照类别切割，将样本自动存放在以目标类别为名称的文件夹下的脚本（使用之前请建立好与目标类别相同的文件夹在对应位置）

针对雷达高分辨距离像（HRRP） 的方位敏感性和平移敏感性，对一定角域内的HRRP非相干平均，提取具有 平移不变性的中心矩作为特征向量，采用Karhunen2Loeve 变换进一步进行特征压缩，建立相应的支撑矢量机（SVM） 分类 算法。与基于原始距离像特征的最大似然（ML） 方法和基于中心矩特征的ML方法识别结果比较，该方法在减少计算量的同 时具有较高的识别率，具有良好的推广能力。

针对空间通信目标个体识别问题，在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征，然后对提取的特征进行融合，并应用支撑矢量机对个体进行分类识别，最后采用实测数据对这种识别方案进行了验证。实验表明，通过多维信号特征融合方法可以有效提取空间通信目标的个体信息，并能获得良好的识别效果。

目标识别What Makes Paris Look like Paris源码.

利用yolo进行多目标识别垃圾

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工 程，图像分类性能优越，因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达 图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识，包括雷达图像的特性，并指出了传统的雷达自 动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了 CNN在雷达自动目标识别中的研究现状，其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下 来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型，以及雷达新成像技术和未来复 杂环境下的应用进行了展望。

1、基于matlab的平面面积测量及GUI设计，附有完整数据集 2、基于matlab的yolo目标识别，附有完整数据集 3、代码注释非常详细，非常适合学习