本资源配套对应的视频教程和图文教程,手把手教你使用YOLOV10做海上船只红外目标检测的训练、测试和界面封装,包含了YOLOV10原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成海上红外图像的预测。 在这里,我们用一个红外海洋目标检测的数据集,里面包含了7类海洋目标 `['liner', 'sailboat', 'warship', 'canoe', 'bulk carrier', 'container ship', 'fishing boat']` YOLOv10模型于24年5月份正式提出,对过去YOLOs的结构设计、优化目标和数据增强策略进行了深入的了解和探索,并对YOLO模型中的各个组件进行了rethink,从后处理和模型结构入手进行了新的设计,在速度和精度上进行提升。 博客地址为:https://blog.csdn.net/ECHOSON/article/details/139223999
2024-08-11 17:36:23 428.63MB 目标检测 人工智能 课程设计
1
复杂背景中小目标的检测与跟踪一直是监视和告警系统的重要组成部分, 综合该领域近年来的研究成果, 从空间滤波和时间滤波的角度对现有的红外小目标检测方法进行了简单的概述, 并分析了今后的研究方向。
1
通过对导弹脱靶量仿真试验问题的理解和认识,提出了一种基于导弹雷达/红外双模导引头的仿真试验模型,介绍了模型的组成及各相关部分的功能和实现方法。
2022-07-21 20:09:33 2.33MB 双模导引 脱靶量 仿真试验 红外目标
1
1、YOLO红外船只目标检测数据集,6000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系列的红外船只目标检测;数据场景丰富;类别为liner、sailboat、warship、canoe、bulk carrier、container ship、fishing boat七个类别目标 2、数据集和检测结果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743
近五年红外目标检测与跟踪方法实现合集,包括参考文献和实现代码,语言主要为matlab,部分为C语言,深度学习的模型为训练好的模型,文件夹分门别类,可供学习
2022-06-01 09:14:58 726.55MB 目标检测 文档资料 matlab 人工智能
前视红外目标识别是精确制导武器的关键技术。实际应用中,模板和实时图存在尺度和角度的差异,易导致误匹配。为克服上述问题,提出了一种基于边缘仿射不变坐标的前视红外目标识别算法。以边缘曲线的区域质心为基准点建立局部坐标系,在此坐标系下,边缘点的坐标值具有仿射不变;将边缘的坐标集合作为描述子,利用平均hausdorff 距离度量边缘的相似性;最后结合边缘的相对位置剔除误匹配,实现前视红外目标的稳健识别。通过三组实验,与基于灰度模板和基于边缘模板的识别算法相比,识别率和稳健性均有所提高。
2021-12-04 16:20:27 2.48MB 图像处理 仿射不变 目标识别 hausdorff
1
图像显着性检测算法matlab代码ADMD 小型红外目标检测的绝对方向平均差(ADMD)算法 以下论文的MATLAB和OpenCV两种实现:使用绝对方向均值差算法的快速而强大的小型红外目标检测 如果您在研究中使用这些代码,请引用以下论文: 的MATLAB 您可以在MATLAB子目录中找到ADMD算法的单标度(7by7)实现。 通过在不同比例尺之间进行最大选择,可以轻松构建多比例尺版本(有关更多信息,请参见本文)。 要实现显着性映射,只需通过AdMD7_eff函数传递测试图像即可: test_img=double(test_img); Filtered_image = AdMD7_eff(test_img); OpenCV 在CPP子目录中可以找到ADMD算法的单级和多级实现。 这些代码是在Ubuntu 18.04环境中使用OpenCV 3.4实现的。 先决条件 设置 从源代码构建OpenCV(如果您想启用QT选项以缩放图像并查看像素值),或者仅在终端中使用以下命令即可: $ sudo apt install libopencv-dev python3-opencv
2021-10-21 16:47:23 16KB 系统开源
1
利用matlab进行对红外目标跟踪处理,主要是一些代码,包括图像处理的很多方面
2021-09-22 13:15:12 2KB 红外图像,处理
1
针对未来战场感知体系的自动化和智能化的需求,设计出了一种基于深度学习的战场红外目标检测系统。近年来随着深度卷积神经网络在图像识别领域的广泛应用,因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像,使用图像采集卡实时传输图像数据,最后在主机端利用深度卷积神经网络进行目标检测。以YOLOv3算法作为基础,以某款金属车辆模型为例,采集该型车辆的红外图像数据并制作相应的数据集,训练得到相应的检测内核。通过实验证明,检测速度可达在30 帧/秒以上,且在fps达到30的前提下平均识别精度达到70%以上,不仅具有很好的实时性、准确性,对各种环境变化具有较好的鲁棒性,验证了该系统的可行性和军事应用价值。
1
行业分类-电信-利用铟镓氮发光二极管作为红外目标信号探测的成像装置.rar