Ships in Satellite Imagery该数据集由从加利福尼亚旧金山湾和圣佩德罗湾地区收集的 Planet 卫星图像中提取的图像芯片组成。它包括 4000 张 80x80 RGB 图像，标有“船”或“无船”分类。图像芯片源自PlanetScope全画幅视觉场景产品，经正射校正至3米像素大小。提供的是一个压缩目录shipsnet.zip，其中包含作为 .png 图像芯片的整个数据集。每个
转载
2024-09-27 23:17:28
420阅读
PS：大家如果有想要的数据集可以私信我，如果我下载了的话，可以发给你们~有新增，可见光遥感图像数据集 FAIRIM一、光学数据集1、 DIOR 数据集(已下载yolo版本)（论文中提到过）DIOR由23463张最优遥感图像和190288个目标实例组成，这些目标实例用轴向对齐的边界框手动标记，由192472个轴对齐的目标边界框注释组成。数据集中图像大小为800×800像素，空间分辨率为0.5m ~
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。?个人主页：Matlab科研工作室?个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击?智能优化算法 神经网络预测 雷达通信 无线传感器 &
原创
2023-09-19 22:24:57
246阅读
深度卷积神经网络在迁移学习模式下的SAR目标识别0.概述该文主要是基于深度卷积神经网络提出一种SAR自动目标识别方法，用到了一类优化的DNNs网络结构对SAR图像分类训练，训练过程中使用迁移学习的方法，避免结果陷入局部最优解，此外还能加快模型参数的训练。1.研究目标本文使用MSTAR数据集试验，针对美国的运动和静止目标获取及其识别展开研究。2.背景与问题背景合成孔径雷达（SAR）图像随着分辨率的提
图标赛题描述 本赛题基于不同地形地貌的高分辨率遥感影像资料，希望参赛者能够利用遥感影像智能解译技术识别提取土地覆盖和利用类型，实现生态资产盘点、土地利用动态监测、水环境监测与评估、耕地数量与监测等应用。结合现有的地物分类实际需求，参照地理国情监测、“三调”等既有地物分类标准，设计陆域土地覆盖与利用类目体系，包括：林地、草地、耕地、水域、道路、城镇建设用地、农村建设用地，工业用地、构筑物、裸地。
转载
2024-04-24 10:01:01
21阅读
本文硬件环境是：win7 64位；MATLAB R2018a； 由于第一次接触目标检测，很多东西只是照猫画虎，不甚了解，将自己成功的测试流程记录如下，方便和自己有同样需求的人拿来就用，减少学习过程中的不必要的困难。 主要参照资料1和4中的方法，进行网络的生成与测试。 文章目录本文目标标注照片整理训练图像网络生成与测试设定参数，生成网络保存和载入网络测试关于一些细节缓存文件清理GPU支持安装显卡驱动
转载
2024-05-10 20:59:53
351阅读
目录一、场景需求解读二、HOG算法简介三、SVM算法简介四、基于HOG的目标检测算法训练流程五、目标检测代码实现六、非极大值抑制（NMS）简介及代码实现七、NMS效果展示与分析八、思维扩展参考资料注意事项 一、场景需求解读 目标检测是一个很常见的计算机视觉任务，它在现实场景中具有很多的应用。随着深度学习技术的快速发展，当前主流的目标检测算法主要分为单阶段和双阶段，代表性的算法包括SSD和Fas
转载
2024-06-21 14:01:22
51阅读
一、论文信息1、论文标题：Change Detection in Synthetic Aperture Radar Images Using a Dual-Domain Network二、摘要合成孔径雷达(SAR)图像的变化检测是一项关键而具有挑战性的任务。现有的方法主要集中在空间域的特征提取上，对频域的特征提取较少关注。此外，在斑块特征分析中，边缘区域可能引入一些噪声特征。为了解决上述两个挑战，
转载
2023-11-10 20:43:58
157阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 ?个人主页：Matlab科研工作室?个人信条：格物致知。更多Matlab仿真内容点击?智能优化算法 神经网络预测 雷达通信 无线传感器
原创
2023-04-23 21:40:58
299阅读
Bag of Freebies for Training Object Detection Neural Networks论文链接: https://arxiv.org/abs/1902.04103一、 Problem Statement提出一些tricks来提升目标检测性能。二、 DirectionCoherent Image MixupClassification Head Label Smo
水下目标检测旨在对水下场景中的物体进行定位和识别。这项研究由于在海洋学、水下导航等领域的广泛应用而引起了持续的关注。但是，由于复杂的水下环境和光照条件，这仍然是一项艰巨的任务。因此近年来有多个赛事与水下目标检测相关，如近期正在进行的2021全国水下机器人大赛，接下来我们将介绍在水下目标检测领域的深度学习方法概述。 01水下目标检测的关键问题 1.1 水下图片模糊在水
在Matlab下，vision.CascadeObjectDetector可以用来进行目标检测，Matlab系统中自带了一些已经训练好的分类器用于目标检测，目前比较成熟的检测器有人脸检测，鼻子检测，人眼检测和上半身检测。但是仅仅是这些检测器是不能应用于其它领域的。还好，Matlab提供了trainCascadeObjectDetector函数，可根据自已的需求重新训练一个检测器，用于目标检测。基本
转载
2024-04-02 11:31:47
279阅读
主要内容经典步骤(大部分技术采用的方法)预处理图像生成差异图对差异图进行算法处理得到二值的变化图预处理步骤配准用于变化检测的两张图片由于设备和角度等的影响
需要进行配准操作，使得两个图像的坐标系表示相同的地理位置信息差异图的生成比较朴素的方法就是直接相减生产差分图像
但是这样对抗噪声的能力比较小，进一步了可以采用对数操作
小波变换，滤波等操作分析步骤(生产变化图)无监督和有监督的 方法两大类
由于
转载
2023-11-15 23:17:19
146阅读
关于SAR图像检测Python，今天我们将探讨如何在Python中进行合成孔径雷达（SAR）图像的检测与处理。我们将从协议背景开始，逐步分析抓包方法、报文结构、交互过程，最后讨论工具链集成与多协议对比。
在技术的演变过程中，SAR图像检测技术逐渐受到重视。SAR图像利用合成孔径雷达生成的图像，具有高分辨率和全天候的优势。随着数据处理能力的提高和算法的进步，SAR图像分析的应用场景变得越来越广泛。
目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标，其检测与识别具有一定的独特性。在检测与识别的过程中，如何将深度学习和目标电磁散射机理结合、提高网络或模型的泛化能力是提升SAR图像中目标检测识别精度的关键，文章并给出了一种基于散射信息与深度学习相结合的飞机目标识别的监测方法。 传统的SAR图像目标检测方法主要基于特征和分类器。一般来讲，目标自动识别包含由检测、
转载
2024-02-28 10:46:05
197阅读
如有错误，恳请指出。 文章目录1. Introduction2. Related Work3. Dynamic Quality in the Training Procedure3.1 Proposal Classification3.2 Bounding Box Regression4. Dynamic R-CNN4.1 Dynamic Label Assignment4.2 Dynamic S
Yolov4-Tiny下载源码和权重文件编译环境简单测试训练VOC数据集生成训练文件训练准备开始训练多GPU训练 下载源码和权重文件源码：https://github.com/AlexeyAB/darknet 权重：https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weigh
源自：系统工程与电子技术作者：张冬冬, 王春平, 付强摘 要合成孔径雷达(synthetic aperture radar, SAR)图像场景复杂度高、舰船目标尺度小, 传统方法检测效率低、虚警概率大。针对以上问题, 提出一种特征增强网络用于SAR图像舰船目标检测。首先, 利用I-Darknet-53(improved Darknet-53)提取特征信息, 构建4层特征金字塔丰富低层特征。其次,
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。?个人主页：Matlab科研工作室?个人信条：格物致知。
原创
2023-05-21 09:23:05
311阅读
59 中国设备工程Engineering hinaCPlant 中国设备工程 2017.04(下) 1 SAR 图像舰船尾迹检测的意义 为了保卫海域及岛屿的主权，监测是否有其他国家的舰船侵入我国海域进行军事活动是十分重要以及必要的。 雷 达(Radio Detecting and Ranging, RADAR)是一种基本的无线电探测装置。它可实现对目标的探测和定位，在军事领域起着十分重要的作用。
转载
2024-08-27 14:55:55
205阅读
