红外目标检测算法与数据集

1. 概述

本文为作者在查找文献时发现的一些关于红外目标检测的算法和数据集。

2.开源作者

[1] 程明明:文章+代码+ LaTeX+PPT

3. 算法

[1] Saed Moradi: ADMD+TLLCM+WSLCM+ADMCDD+RLCM
[2] DNA-Net:Dense Nested Attention Network for Infrared Small Target Detection

4. 数据集

[1] 复杂背景下红外弱小运动目标检测数据集:A dataset for small infrared moving target detection under clutter background
[2] 面向空地应用的红外时敏目标检测跟踪数据集:A dataset for infrared time-sensitive target detection and tracking for air-ground application
[3] NUAA-SIRST:Single-frame InfraRed Small Target (SIRST) Benchmark

5. 其它

其中DNA-Net算法效果令人惊叹,网络结构示意如下:

DNA-Net
论文中描述的算法效果如下:
算法效果比较
算法效果比较
算法效果比较

算法效果比较

  • 5
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
YOLO是一种用于目标检测的深度学习算法,其全称为You Only Look Once(你只需要看一次),其原理是通过对图像进行卷积运算,从而生成检测框和相应的类别信息。而红外船只目标检测数据集是一种用来训练和测试YOLO算法数据集,其包括了红外图像中的不同种类船只的图像及其标注信息。 使用红外图像进行目标检测在某些场景下是很有必要的。因为红外图像可以直接获取到目标物体的温度信息,而不受光线等环境因素的干扰,因此在夜晚、迷雾等环境里,使用红外图像进行目标检测非常有优势。 红外船只目标检测数据集中包含了不同大小、形状、角度、光照、背景等因素的红外图像,这些图像可以被用来训练和测试不同版本的实时目标检测算法红外图像中的船只目标可以被用来训练检测算法,同时针对不同光照、天气等因素进行细致的训练,使算法能够更好地适应各种使用场景。 使用YOLO算法进行红外船只目标检测的优点在于,YOLO算法能够快速处理大量图像,并在同一时间内检测到多个目标,因此能够准确地对不同位置、大小、形状、类别的红外船只目标进行检测和定位,并可以输出目标的位置及其类别信息。同时,通过持续训练和改进算法,可使算法性能不断提高。 总之,红外船只目标检测数据集是一种非常宝贵的数据集,能够为红外船只目标检测算法的训练和测试提供丰富的样本数据。而使用YOLO算法进行红外船只目标检测能够有效地实现快速、准确地检测,是提高船只目标检测算法性能的好方法。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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