yolov5改进 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示： 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放； 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数GIOU_Loss，以及预测框筛选的DIOU_nms。 本资源包括对yolov5的改进策略和案例分析进行了详细阐述，有需要的朋友可以下载学习。

基于ZYNQ新起点V1，摄像头采用OV5640，使用帧间差分法进行目标跟踪。视频输出采用VGA接口。

输入图片，对目标绘制包围盒仿真 仿真工程操作及其介绍，见文章：https://blog.csdn.net/weixin_46423500/article/details/130674948

yolov8添加注意力机制-学习记录

包含了卡通人物的数据集，可用于卡通人物的目标检测的训练、验证和测试，简单易用。

Alpha-beta-gamma滤波器是一种用于对时间序列数据进行滤波的算法。它综合了三个滤波器的优点，可以在一定程度上抑制噪声，并且对快速变化的信号具有较好的响应速度。 Alpha滤波器可以用于平滑数据，减少瞬时波动。Beta滤波器可以用于响应中等频率的变化，适用于去除缓慢变化的趋势。Gamma滤波器可以对快速变化的信号进行平滑，有利于提取高频信息。 将这三个滤波器组合起来，可以在不同时间尺度上对数据进行平滑处理，从而获得更准确的结果。使用alpha-beta-gamma滤波器需要选择合适的滤波器参数，根据实际情况进行调整。 alpha-beta-gamma滤波器在最基础的alpha-beta滤波器上进行一定的改进，加入了另一个调整参数gamma，使得该滤波器可以对匀加速运动的目标进行跟踪和滤波，其效果明显优于普通的alpha-beta滤波器，了解此种滤波器对于后续的卡尔曼滤波器具有一定的帮助，本程序对其进行了MATLAB仿真，程序正确，结果较好，大家可以自行下载查看学习

在雷达系统当中，跟踪的应用种类很多，包括但不限于`目标定位、自主导航、天气预测、空中交通管制和军事应用`等等，那么**如何获得更加准确的关于目标数据**就成为一个至关重要的问题。，`跟踪滤波器`为一种较好的方式，跟踪滤波器的**主要目的**就是`在充满不确定性的情况下，获得更为精准的目标的位置信息、速度信息、加速度信息等`，其中的alpha-beta滤波器为最基础的一种用于简单目标跟踪滤波的滤波器类型，了解此种滤波器对于后续的卡尔曼滤波器具有一定的帮助，本程序对其进行了MATLAB仿真，程序正确，结果较好，大家可以自行下载查看学习

matlab集成c代码 ECO_C_Edition 一、目标 冯如杯目标跟踪，将ECO算法转换为C语言版本 二、Guideline 1，完整读一遍代码，勾勒出算法框架 2，分工：feature extraction部分和implemention部分。后面implemention部分比较复杂，可以多找两个人来读和写。 3，找出所有的依赖于第三方的库和代码，比如各种滤波用到的fft什么的之类的，找到用c的话用哪些库来代替（比如c下面有很高效的fftw算法库可以用） 4，按照分工，从上至下一个模块一个模块用c来重新，并进行模块测试，结果跟matlab来对比，确保模块功能正确 5，把各个模块进行集成。 三、测试 使用MATLAB的unit test功能 四、Github操作 使用Github Desktop，修改后提交使用PUSH，获得更新使用PULL 五、运行 1.Download matconvnet ZIP file from and unpack it in the external_libs/matconvnet/ folder of the repository. 2.Downlo

py代码，传入训练好的权重和视频地址即可 脚本需要放在yolov5的目录下，根据检测视频的边界框个数实现计数并且实时显示在视频的左上角

单帧红外小目标数据集SIRIST