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

红外小目标数据集是指在红外图像上识别和跟踪小目标的数据集,其主要用于人机交互、安防监控、智能巡逻等领域。针对这一问题,目前有很多研究者通过开发各种算法和技术,来提高红外小目标识别的准确率和鲁棒性。 其中,yolo(You Only Look Once)是一种流行的物体检测算法,它能够在图像中一次性检测出所有物体,并检测出物体的类别和位置。因此,yolo格式是指将红外小目标数据集格式化为yolo算法所需的数据格式。一般而言,yolo格式化数据集需要满足以下要求: 1.数据集中包含图像和对应的标注文件,标注文件包括每个目标对象的类别(比如车辆、人、动物等)、位置(比如左上角和右下角坐标值)、和是否被遮挡等信息。 2.标注文件应采用yolo格式,以.txt格式存储,一行对应一张图像的目标标注信息。 3.每个标注行的开头是目标类别(比如1代表车辆、2代表人、3代表动物等),其后是四个浮点数,依次代表目标矩形框的中心坐标(x、y)、宽(w)、高(h),坐标数据的值应以图像宽度和高度为基准的比例值。 4.标注文件中应包含所有目标对象的位置、类别和必要的特征信息,以支持yolo模型的训练和测试。 总之,yolo格式化的红外小目标数据集应该包含丰富的目标标注信息,以便训练出更加准确和鲁棒的目标检测算法
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