自学笔记：DroneVehicle 红外可见光小目标数据集 配对

已于 2024-11-14 11:04:44 修改
阅读量1k 收藏 9
点赞数 3
文章标签： 目标检测 深度学习
于 2024-10-08 21:22:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79275341/article/details/142769696
版权

红外可见光融合的小目标检测 现在已经成为研究的主流，不仅克服光感不好的情况，充分利用红外的轮廓信息，以及充分利用可见光的纹理信息，实现全天候的检测已经成为趋势，模型轻量化，易部署。

1.数据预处理

数据集是天津大学拍摄制作。

首先需要数据处理，因为原本的数据集自带的有100*100的白边，对检测影响很大，特别是YOLO系列的检测模型

0a74197b3b6d431083e6d7d6e05075d2.png

处理前后对比

2.YOLOv8训练

检测效果还不错

7056309cf8ec450984a9703f06bac256.png

特别注意的是在数据集转换的时候，也就是转成YOLO的时候，可能会出现负坐标，或者是超过1的坐标值，这样就会导致模型训练不了，所以，需要进行针对那些数据集进行特殊的处理。

改进后参数少，模型轻量化，直接暴涨点：

72cf9f3cbd494e098e77c54fc0cb1ca8.png

数据集处理的方法&#

最低0.47元/天 解锁文章
Lin-529
关注
自学笔记：YOLOv8双模态（红外可见光）小目标检测
2301_79275341的博客
11-13 1589
这里要注意的就是，这个数据集原本是有一个100*100的白色边框的，我是用脚本进行除去了，然后就是需要把label重新修改一下，也是用脚本，这样可以复合去除边框后的数据集的标签。M3DF数据集，符合远景小目标条件，后续可以考虑做数据增强。已经完成了创新点的设计，正在跑实验，验证有效性。DroneVehicle数据集效果。DroneVehicle数据集。
天津大学推出大型无人机航拍车辆数据集DroneVehicle
我爱计算机视觉
03-08 9115
点击我爱计算机视觉标星，更快获取CVML新技术无人机已经越来越走入人们的生产和生活，使用无人机进行新闻报道、城市管理、治理监控也成为社会发展重要新趋势。我在南京的报纸上就看到过南京市对拟...
遥感数据集和链接【自用】
qq_40721108的博客
12-11 1071
这 45 个场景类别包括飞机、机场、棒球场、篮球场、海滩、桥梁、矮林、教堂、圆形农田、云、商业区、密集住宅区、沙漠、森林、高速公路、高尔夫球场、地面跑道场地、港口、工业区、十字路口、岛屿、湖泊、草地、中等住宅区、移动房屋公园、山、立交桥、宫殿、停车场、铁路、火车站、矩形农田、 草地、中等住宅区、移动房屋公园、山、立交桥、宫殿、停车场、铁路、火车站、矩形农田、河流、环岛、跑道、海冰、船舶、雪山、稀疏住宅区、体育场、储油罐、网球场、露台、热电站和湿地。此外，每幅图像都有多个光谱带和分辨率。
Dronevehicle数据集处理
weixin_46329132的博客
03-07 890
这个数据集的标签问题很多啊。
基于DroneVehicle 数据集YoLov5训练（学习笔记）
最新发布
2403_87623879的博客
03-08 1425
本博客以DroneVehicle 数据集为例，只是为了让读者能够快速上手训练自己的数据集，基本原理不过多涉及（基本不涉及），全都是相关操作，比较合适于想快速上手的友友。说明一下，本文借鉴了炮哥的相关博客以及视频，文章最后会注明出处，想去了解的可以去看看（比较推荐，炮哥在B站有视频号，可以去跟着视频学习，收获颇丰）。
红外图像与可见光图像在目标检测时的区别
weixin_51302377的博客
02-15 967
在计算机视觉领域的目标检测中，红外图像与可见光图像在处理上存在多方面区别，具体如下：图像特性预处理特征提取后处理。
Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测
Ding_Jie_的博客
11-21 4385
DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。本文章阐述了怎么样用Yolo11去训练该数据集。
Dronevehicle 数据集转yolo_obb的问题
NaNa0o的博客
04-30 927
2、其中有个类别为feright car，由于mmrotate读取标签的机制，这个字符串在txt中不会直接被读取，因为中间有空格，会认为是两个标签，从而报错，需要转换为feright_car或者feright-car。让成为一个完整的字符串。经过步骤1后得到dota格式的txt文件，在使用“convert_dota_to_yolo_obb”函数转yolo_obb格式时发现有三个图片中存在错误标签，需修改后再转yolo格式。‘11663’： “feright” 改为 “feright_car”;
使用mmrotate训练 Dronevehicle 数据集
qq_36302310的博客
04-07 3283
目前看到有很多教程讲述mmrotate训练自制数据集或者dota数据集，这里讲一下在visitdrone数据集上的训练过程。
【数据集处理】DroneVehicle数据集处理方法
qq_44102942的博客
11-05 3686
DroneVehicle数据集由无人机采集的56,878张图像组成，其中一半是RGB图像，其余为红外图像。作者为这五个类别制作了带有定向边界框的丰富注释。
红外飞机小目标数据集_data1
12-03
红外飞机小目标数据集，共22个data文件夹，每个data文件夹都有标注，不需要自己再做标注。可用于深度学习中红外飞机小目标检测使用，包括天空背景、地面背景、多架飞机、飞机远离、飞机靠近等多种情况。 此处为data1，其他数据集可查看本人其他发布。
红外弱小目标数据集(https://github.com/wanghuanphd/MDvsFA_cGAN.git)
01-22
红外弱小目标数据集(https://github.com/wanghuanphd/MDvsFA_cGAN.git) 删除了部分损坏的图像
红外飞机小目标数据集_data2
12-03
红外飞机小目标数据集，共22个data文件夹，每个data文件夹都有标注，不需要自己再做标注。可用于深度学习中红外飞机小目标检测使用，包括天空背景、地面背景、多架飞机、飞机远离、飞机靠近等多种情况。 此处为data2，其他数据集可查看本人其他发布。
红外弱小目标数据集-MDvsFA_cGAN
08-19
MDvsFA_cGAN数据集，含有一万张训练图片。另外含有测试图片
红外小目标飞机检测数据集
05-07
train: ./data/VOC2007/train.txt # 16551 images val: ./data/VOC2007/test.txt # 4952 images # number of classes nc: 1 # class names names: ['air']
自学笔记：改进YOLOv11双模态（红外可见光）小目标检测
2301_79275341的博客
12-17 1231
在 SPPF 后加入类似注意力机制的 C2PSA，这个新模块有助于增强网络的关注机制，使模型能够更有针对性地关注图像中的关键区域，改善特征选择能力，进而提升检测性能，让检测结果更加准确可靠。这一变化在 YOLOv11 的主干网络中体现，进一步优化了特征提取效率，能够更好地捕捉图像中的重要细节，增强了对复杂场景下物体特征的提取能力，从而有助于更准确地识别和定位物体。其实对于改进，身为普通的学术研究的我来说，就是那几个东西缝缝补补，注意力，检测头，骨干网络，中间融合也就是那些东西。缝缝补补，能毕业就行。
伍德里奇 计量经济学导论 第6版 数据集+笔记+习题答案（含代码）
11-03
伍德里奇 计量经济学导论 第6版 数据集（含STATA、R、EViews、Excel格式）和习题答案（有文字详解和代码操作）+笔记。 非常适合有自学伍德里奇版本计量经济学或者完成课程任务需求的小伙伴！
SAP BPC学习笔记,自学笔记，全手工制作，从入门到放弃
02-06
SAP BPC学习笔记，对BPC系统有全面的认识，其中详细介绍了BPC实施过程中常用的功能及增强等，吐血推荐
红外光可见光目标检测算法
01-07
### 关于红外光和可见光的目标检测算法 #### 基于计算机视觉的红外光图像小目标识别技术 红外光图像在多个领域有着广泛应用，特别是在军事侦察、环境监测以及医疗诊断等方面展现出巨大潜力[^1]。然而，在实际应用过程中遇到的主要难题在于如何有效地从小尺度、低对比度且容易受到噪声影响的环境中识别出感兴趣的小目标。 为了应对这些挑战，研究人员提出了多种基于计算机视觉的技术方案来提高红外光图像中小目标的检出率。其中一种有效的方式就是利用形态学处理增强特征并去除背景杂波的影响；另一种则是通过引入深度学习框架下的卷积神经网络(CNN)，自动提取复杂背景下微弱信号所携带的信息特性，从而实现更精准的位置定位与分类判断。 ```matlab % 形态学操作示例代码片段 se = strel('disk', 2); % 创建结构元素 I_opened = imopen(I, se); % 开运算去噪 ``` #### 红外图像和可见光图像的配准融合及前方障碍物检测 当涉及到具体应用场景比如自动驾驶汽车或无人机导航时，则需要考虑将来自不同传感器的数据源——即红外线与可见光线获取的画面相结合来进行综合分析。这不仅能够弥补单一模态数据存在的局限性（如夜间条件下可见光相机表现不佳），而且还能进一步提升系统的鲁棒性和准确性[^2]。 在此基础上，采用光流法作为核心组件之一，该方法主要用于估算连续帧之间物体移动情况，进而辅助完成动态场景理解任务。例如，在车辆行驶过程中持续跟踪前方可能出现的各种潜在威胁因素，并及时发出预警提示给驾驶员或其他控制系统采取相应措施加以规避风险。 ```matlab flow = estimateFlow(opticFlowObj, I); imshow(flow) hold on; quiver(flow.Y, flow.X, flow.Vy, -flow.Vx, 'Color','r'); title('Estimated Optical Flow Velocity Vectors') ``` #### 夜间多目标实时检测算法 针对夜晚环境下特殊的工作需求，有学者探索了结合可见光与热红外影像的优势互补策略用于行人及其他活动实体的身份验证工作当中。因为此时普通的光学设备难以捕捉清晰轮廓细节，而依靠温度差异形成的辐射能量分布则成为了一种可靠的替代手段[^3]。 这种跨频谱协作模式不仅可以改善传统单通道感知方式所带来的诸多不便之处，同时也为开发更加智能化的安全防护体系提供了新的思路和技术支持。特别是对于那些处于极端天气状况下或是光照条件极差区域内的监控设施而言尤为重要。 ---
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值