弱小目标检测跟踪算法研究（1）红外弱小目标数据集准备（红外弱小目标的数据集来了）

说在前面的话

弱小目标，顾名思义：目标信号弱，像素少，由于目标信噪比较低，目标最少可能只有一个像素单元。因此，弱小目标检测跟踪一直是图像处理与目标检测领域的难点、热点。当前深度学习方法在弱小目标检测跟踪上与传统图像处理方法相比并不存在绝对优势。

由于目前公开的弱小目标数据集比较少，所以这里安利一个已经公开的弱小目标数据集，即在2019年下半年公布的第二届“空天杯”的公开数据集，其中包括红外弱小目标与雷达序列两种类型，关于数据采集和数据类型在官网上都有详细的说明。

大家在使用前请仔细阅读数据集说明，自己当时也是报名参加了比赛，但因为准备不足没进决赛，确实有些遗憾。所以趁着这次数据公布，准备再好好研究研究，同时也准备好好记录一下这次学习的过程。

一点建议

首先还是希望大家好好遵守数据使用的规则，其次，根据自己在比赛中发现的一些坑，这里还是给大家先提个醒儿。

1. 关于样本数据 ，从data1到data22，总共22个长短不一（几百帧到几千帧不等）、背景不一（空天背景、地面复杂背景、混合背景）、目标大小不一的数据段，包括但不限于相机抖动，盲元、目标反复进出视场、丢帧、背景淹没目标等等；
   2.关于标注信息 ，数据集的标注信息是算法与人工标注相结合的，故存在极少数样本数据的目标标注可能存在一些像素上的偏差，使用数据集时应格外注意；
2. 关于算法选择比赛中的得分最高的第一名仍旧采用的是比较严谨的传统图像处理算法，说明具体到应用场景，传统算法的基础还是存在可取之处的，同时也说明深度学习的方法应用仍有待提升；（大家采用深度学习方法在该数据集上的应用时，一定要掌握方法，记得初赛时公布的示例数据只有5个数据段的一部分数据，所以有些采用深度学习方法的人在公布的示例数据集中测试效果很好（示例数据全部都经过训练了），但一到提交代码测试得分就大幅降低，主要原因就是当时未公开的数据网络没有训练到，所以只能抓瞎）

数据集

官方链接：红外序列图像中弱小飞机目标检测跟踪数据集
某盘：链接：https://pan.baidu.com/s/1KM12wFUKIK-RFj9D7GVFvA
提取码：rxpx

后续

接下来我会从传统图像处理方法和深度学习方法两个方面来针对该数据集进行检测跟踪，最后对不同方法进行对比分析，本系列不定期更新，希望和大家一起讨论研究。

本系列文章列表如下：
弱小目标检测跟踪算法研究（1）红外弱小目标数据集准备（红外弱小目标的数据集来了）
弱小目标检测跟踪算法研究（2）红外弱小目标数据集准备（红外弱小目标的数据集又来了）
弱小目标检测跟踪算法研究（3） 基于局部对比度（LCM）的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（4） 基于双边滤波（BF）的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（5） 基于顶帽变换（Top_hat）算法的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（6） 基于小波变换的红外弱小目标检测之背景抑制
弱小目标检测跟踪算法研究（7） 基于简单平滑滤波算法的红外弱小目标检测之背景抑制