海上船只和海岸图片数据集

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题，提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域，并对原图相应的目标位置进行标记和归一化处理，提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别，将提取的候选区域送入改进的AlexNet进行特征提取和预测，得到最终检测结果。分水岭方法可大大减少候选区域检测时间，以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据，并对其平移缩放形成的数据集进行仿真实验。结果表明，标记分水岭与深度CNN的结合，可有效识别船只目标，所提方法具有良好的性能，能够更加快速准确地识别红外船只目标。

船坞-船型分类数据集，该数据集包含9种类型的船只的图像。它包含两个目录“TRAIN”和“TEST”，分别有1162和300个图像。训练图像在特定类本身的目录中提供。目录的名称是用于提交的“类标签”。目的是将“TEST”图像归为9类中的一类。分为：船型渡船、贡多拉、帆船、游船、皮划艇、充气船、纸船、浮筒、货船

之前上传过一次，不小心删掉了，现在重新发送。基于matlab的cfar检测程序，识别sar图像中的船只，分为全局，局部和双参数检测。已经实验效果不错。

战舰-游戏-Java 这是用Java制作的战舰游戏。 它使用拖放来放置和移动船只。 网格的大小以及可以放置的船只的大小和数量都可以通过主菜单完全自定义。

提出了一种视频与AIS信息融合的海上船只目标检测方法。首先结合AIS信息确定船只所在区域，提取小范围图像，然后对图像进行高频加强滤波处理，增强船只目标与海面背景的对比度，利用显著性区域检测方法生成显著性图像，随之采用双阈值分割提取高显著性目标，最后通过形态学处理判断船只目标。实验结果表明，该方法适应性强，能够准确快速地实现船只目标提取。

用于做格式转换的demo数据，可以支持目标检测模型的训练与测试

Boats 数据集是由香港城市大学提供的关于船只在水面移动的数据集，该数据集包含 3 个视频，分别为只有水背景的视频、两艘船在水面的视频和只有一艘船在水面的视频，可被用于背景抽离等领域的研究

java码头船只出行及配套货柜码放管理系统设计与实现

1、处理过的遥感图像海上船只检测数据集，一万多张使用lableimg标注软件，标注好的高质量处理过的遥感图片数据，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系列的海上船只目标检测检测；类别为boat； 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743