Advertisement

MSTAR提供的官方数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
目前,用于SAR ATR研究的图像来源于美国国防高级研究计划署(DefenseAdvanced Research Project Agency, DARPA)和空军研究室(Air Force ResearchLaboratory, AFRL)提供的MSTAR(Moving and Stationary Target Acquisitionand Recognition)图像数据集。实验所用数据基于地面军事车辆的聚束式MSTAR合成孔径雷达(SAR)图像集,这些图像具有0.3米 × 0.3米的分辨率,像素尺寸为128 × 128。数据库中包含了三种地物目标类型——BMP2、BTR70和T72——共七种型号[32]。不同型号车辆之间的差异主要源于其军事配置的差异,例如装备的机关枪、油箱或天线展开情况等;对于同类型的装甲车而言,则体现在炮筒、挡泥板和聚光灯等部件的存在与否。在数据库的设计过程中,充分考虑了SAR图像对方位因素的高度敏感性,因此,为了确保数据的全面性,采集了大量不同方位角度的图像,方位范围覆盖了0°到360°之间,方位间隔约为1°到2°。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • MSTAR资料
    优质
    本资料包含MSTAR官方提供的雷达图像数据集,适用于目标识别、军事应用及遥感研究等领域。 目前用于SAR ATR研究的图像主要来源于美国国防高级研究计划署(DARPA)与空军研究实验室(AFRL)提供的MSTAR数据集。实验中使用的是地面军事车辆聚束式MSTAR SAR图像,其分辨率为0.3m × 0.3m,像素尺寸为128×128。数据库包含三种类型(BMP2、BTR70和T72)共七种型号的地物目标。同一类中不同型号的差异主要体现在军事配置的不同上,比如坦克上的机关枪、油箱以及天线是否展开等;同样地,装甲车上有无炮筒、挡泥板及聚光灯也会影响其分类。 为了更好地模拟实际应用中的各种情况,数据库设计时充分考虑了SAR图像对方位的敏感性,并采集了大量的不同方位角度下的图像数据。这些图像覆盖从0°到360°的角度范围,且每度之间间隔约1°至2°不等。
  • MSTAR资料
    优质
    该资料汇集了MSTAR(军用运输机、直升机和坦克雷达散射截面)项目的全面数据集,包括各类军事目标的高分辨率图像及详细信息。 MSTAR官方数据集存储于百度云中,文件较大。该数据库包含3类(BMP2、BTR70、T72)共7种型号的地物目标。同一大类中的不同型号由于军事配置的不同而有所区别,这些差异被称为变形目标,例如同一类型的坦克上是否装有机关枪、油箱或天线展开情况;同样地,在装甲车上有无炮筒、挡泥板和聚光灯等也会有所不同。数据集中包含大量源图片。
  • COCO验证
    优质
    COCO数据集验证集是由官方提供的大规模图像标注数据集的一部分,包含数千张图片及其详细标签信息,适用于评估目标检测与分割算法性能。 官方提供的COCO数据集中包含验证集部分。
  • MSTAR.zip
    优质
    本资源为MSTAR数据集,包含多种地面目标在不同角度和极化方式下的合成孔径雷达(SAR)图像,适用于目标识别与分类研究。 原始的【MSTAR数据集】是灰度图,经过转化处理后,现在的【MSTAR数据集】已经是3通道的数据集了,可以直接用于模型的测试分析。
  • MSTAR 十类
    优质
    MSTAR数据集是一套包含十类地面军事车辆的雷达图像集合,广泛应用于目标识别和雷达信号处理的研究中。 MSTAR10类数据集已经按照文件夹分类,并形成了csv文件。
  • MSTAR SAR (2.28GB)
    优质
    MSTAR SAR 数据集包含2.28GB的合成孔径雷达(SAR)影像,涵盖多种军事目标在不同视角和方位角下的高分辨率图像数据。 史上最全MSTAR数据集,百度网盘永久有效,大小为2.28GB。
  • MSTAR-10测试SAR_SAR_MSTAR_
    优质
    简介:MSTAR-10测试SAR数据集(SAR MSTAR数据集)是一个包含多种地面目标高分辨率合成孔径雷达图像的数据集合,广泛应用于目标识别和分类的研究中。 MSTA数据集包含了10类SAR目标的测试数据。
  • MSTAR最为全面
    优质
    MSTAR数据集是最为全面的合成孔径雷达(SAR)图像数据库之一,包含了多种地面车辆在不同条件下的SAR图像,广泛应用于目标识别与分类研究。 网上许多MSTAR数据集存在缺失问题,影响了学习与研究的进行。因此我特地分享这个完整版的数据集,它包含了7类目标,并且还有大场景SAR图像供参考。
  • 由 UCI 糖尿病
    优质
    本数据集由UCI提供,专为糖尿病研究设计,包含大量患者健康记录,适用于预测模型和分类算法,助力医疗领域研究与应用。 使用逻辑回归模型对患有或未患糖尿病的个体数据进行预测分析。根据出现的症状,该模型可以大致预测一个人是否可能患上糖尿病以及其风险大小。目标是使模型准确率达到70%以上。 糖尿病(DM)是一种由多种因素引起的代谢综合征,通常由于胰岛素不足或功能障碍引起。胰岛素是由胰腺产生的激素,负责调节血糖水平;缺乏这种激素会导致葡萄糖代谢异常,从而引发糖尿病。其主要特征为持续的高血糖状态(即高血糖症)。根据病因和发病机制的不同,糖尿病可以分为以下几种类型: 1型糖尿病:由于免疫系统缺陷导致产生胰岛素的细胞被破坏,进而无法正常生成胰岛素。这种类型的糖尿病约占所有病例的5%到10%。 2型糖尿病:由身体对胰岛素抵抗或胰岛素分泌功能受损引起。这是最常见的形式,占到了大约90%的所有糖尿病患者。 妊娠期糖尿病:指在怀孕期间首次发现的葡萄糖耐量下降的情况,并且可能在分娩后消失或者持续存在。其具体原因尚不完全清楚。 其他类型:由遗传缺陷、药物使用或其它疾病所引发的各种类型的糖尿病。这些包括β细胞功能障碍,胰岛素作用问题;以及与胰腺外分泌疾病(如胰腺炎、肿瘤等)相关的各种情况;还有由于某些药物和化学制品的副作用导致的情况。
  • ModelNet40
    优质
    ModelNet40官方数据集是计算机视觉领域广泛使用的3D模型分类标准测试库,包含40个类别共计12,311个三维网格模型。 ModelNet标准数据集及其读取方法:以ModelNet40开头的压缩文件包含训练和测试所需的数据,在data目录下有相应的代码用于读取这些数据,并且包括了随机丢弃(random drop)和平移操作,这可以有效提高模型的准确率。目前大多数处于行业领先水平的研究源码中都使用这一数据集。需要在PyTorch环境中运行。