说明：强海杂波情况下目标检测，有利于这个方向学习者

说明：凸优化书籍，对于做优化方法有很大的用处，大发啊

说明：雷达目标检测，雷达弱目标检测matlab 效果很好

说明：目标检测，视频人流计算，YOLO v3，图片人物识别，Python，深度学习，计算机视觉

说明：YoloV4是YoloV3的改进版，在YoloV3的基础上结合了非常多的小Tricks。尽管没有目标检测上革命性的改变，但是YoloV4依然很好的结合了速度与精度。

说明：YOLOv5开源代码，可以做目标检测，作为目前YOLO最新的技术，他的速度很快

说明：实现目标检测的代码，有例程视频，可以运行

说明：步进频率信号检测散射目标的相对距离 步进频信号处理

说明：在matlab环境下对视频中的运动目标进行检测，动态目标检测

说明：UNet最早发表在2015的MICCAI上，短短3年，引用量目前已经达到了4070，足以见得其影响力。而后成为大多做医疗影像语义分割任务的baseline，也启发了大量研究者去思考U型语义分割网络。而如今在自然影像理解方面，也有越来越多的语义分割和目标检测SOTA模型开始关注和使用U型结构，比如语义分割Discriminative Feature Network(DFN)(CVPR2018)，目标检测Feature Pyramid Networks for Object Detection(FPN)(CVPR 2017)等。

说明：特征检测与匹配的目标是识别一个图像中的关键点与另一个图像中的对应 点之间的配对。

说明：darknet yolo 目标检测 纯源码 不包括标注工具 以及权值文件.

说明：边缘检测技术用于医学图像的边缘检测， 对特定目标分割前做边缘定位

说明：合成孔径雷达检测，通过卫星图像，用来检测陆地所需要检测的目标位置

说明：本项目实现了遥感图像的目标检测。遥感图像不同于一般的目标检测，比如YOLO，ssd等等，该项目实现了旋转框的检测，并且在参加的比赛中实现了65mAP的成绩，希望对你们有帮助。

说明：二维CA-CFAR目标检测过程仿真,matlab代码实现目标检测功能

说明：基于pytorch的最新目标检测算法yolov5，参数大大缩减

说明：motion dection 运动目标检测与跟踪。

说明：CFAR目标跟踪用于雷达目标检测，算法都实测过，可用。

说明：图像滤波，实现sar图像的lee滤波算法，并且附带两个其他同等级算法，运行方便

说明：fasterrcnn 目标检测网络的keras实现

说明：监测视频中物体的移动，适用于高空抛物监测

说明：目标检测基础 任务定义 基本检测流程 深度目标检测 两阶段检测器： R CNN 系列，后续相关工作 单阶段检测器： YOLO SSD RetinaNet 目标检测评价 评价方式 数据集和方法比较

说明：这是一个在目标检测中的一个轻量化神经网络，我在project里面写了一份使用教程，解压后就可以看见对于的PDF使用文档，中文的。

说明：目标检测数据增广，简单的旋转、分割等。简单有效

说明：结合PCA的尺度不变特征变换(SIFT)算法源代码，可用于图像目标检测和识别

说明：Vibe 运动目标检测 基于matlab(Vbie Moving Target Detection)

说明：卷积网络正在推动着图像识别方面的进步，其不仅改进了整体图像的分类效果，而且在具有结构化输出的局部任务上也取得了进步，包括边界框目标检测，关键点预测等。 自然下一步是改进在像素级别上的预测。其实，以前的方法已经使用卷积网络进行语义分割任务，其中每个像素都被标记为属于目标或属于其他区域，但让具有缺点。 FCN和CNN的区别：CNN卷积层之后连接的是全连接层；FCN卷积层之后仍连接卷积层，输出的是与输入大小相同的特征图，提出一个端到端，像素对像素的全卷积网络用于语义分割任务

说明：通过五帧差分算法实现对运动目标的检测，通过使用matlab实现，能够很好的检测出视频中运动的目标，通过读改代码，可以很好的帮助对五帧差分算法的了解

说明：knn算法 这段时间用opencv中的机器学习算法做了一下目标检测，效果还是不错的。但都是按照命令和库进行调用，基本对我来说是个黑盒子。固然工程师要会用工具，但如果不深入理解内部实现，是很难进步的。所以我打算花上一些时间（可能两个月以上）来学习一下机器学习的基本概念，并且用python语言去实现一些经典的算法，希望自己能坚持下去吧～