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

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

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

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。

红外检测,包括图像预处理，滤波，图像背景抑制，基于数学形态学检测