基于深度学习的目标检测框架介绍.ppt 普通的深度学习算法主要是用来做分类，如图(1)所示，分类的目标是要识别出图中所示是一只猫。 目标定位是不仅仅要识别出来是什么物体（即分类），而且还要预测物体的位置，位置一般用边框（bounding box）标记，如图(2)所示。 目标检测实质是多目标的定位，即要在图片中定位多个目标物体，包括分类和定位。比如对图(3)进行目标检测，得到的结果是好几只不同动物，他们的位置如图(3)中不同颜色的框所示。 PASCAL VOC : pattern analysis , statistical modelling and computational learning visual object classes. 在计算视觉的领域中，Pascal VOC Challenge 就好比是数学中的哥德巴赫猜想一样。每年，该组织都会提 供一系列类别的、带标签的图片，挑战者通过设计各种精妙的算法，仅根据分析图片内容来将其分类，最终通 过准确率、召回率、效率来一决高下。

目标检测-RCNN.pptx 图像识别（classification）： 输入：图片 输出：物体的类别 评估方法：准确率 定位（localization）： 输入：图片 输出：方框在图片中的位置（x,y,w,h） 评估方法：检测评价函数 intersection-over-union ( IOU ) 卷积神经网络CNN已经帮我们完成了图像识别（判定是猫还是狗）的任务了，我们只需要添加一些额外的功能来完成定位任务即可 物体检测需要定位出物体的bounding box，就像下面的图片一样，我们不仅要定位出车辆的bounding box 我们还要识别出bounding box 里面的物体就是车辆。对于bounding box的定位精度，有一个很重要的概念，因为我们算法不可能百分百跟人工标注的数据完全匹配，因此就存在一个定位精度评价公式：IOU

水下目标检测与跟踪：GVF Snake和Mean Shift，张学武，凌明强，针对水下光学图像清晰度低和物体颜色失真造成水下目标检测困难的问题，本文提出了一种基于Mean Shift和GVF Snake混合模型的水下目标检��

基于目标检测的SAR图像变化检测方法-基于目标检测的SAR图像变化检测方法.pdf 基于目标检测的SAR图像变化检测方法

工程车辆数据集 （挖掘机 推土机 渣土车）已标注完成 各有700张左右 coco数据集 深度学习 目标检测 有需要其他格式的可以私信我

推土机标注数据 voc格式 已标注完成 700张左右 深度学习 目标检测 有需要其他格式的可以私信我

工程车辆数据集 （挖掘机 ）已标注完成 有700张左右 voc数据集 深度学习 目标检测 有需要其他格式的可以私信我

工程车辆数据集 （ 渣土车）已标注完成 有700张左右 voc数据集 深度学习 目标检测 有需要其他格式的可以私信我

针对红外图像中行人小目标检测识别率低、虚警率高的问题，研究了当下效果最好的 YOLOv3目标检测算法，在其基础上进行优化，提出了一种满足实时性要求的行人小目标检测算法。

基于注意力机制和特征融合改进的小目标检测算法