关于简单目标识别与意图分析的机器学习实战项目研究 本项目是对群体目标智能化识别进行研究，通过识别群体目标行为，有效处理并运用所获取的信息、准确判断作战群体意图。 项目围绕群体目标意图识别问题展开研究，考虑了实际环境中复杂的地狱地貌、多变的目标状态以及诸多意图判断，以坦克战斗群为例，首先通过Unity3D构建了坦克群模型，模拟了群体目标的常用阵型以及行进序列。而后将敌军坦克集群图片/视频进行降噪处理，包括二值化、黑白图、以及颜色分割，而后进行初次模板匹配，找到目标的大概位置坐标之后进行透视变换，将目标拉伸到一般视角，最后再次进行模板匹配，并根据我们之前研究过的连线算法，得到连线简图。 最后，运用GoogLeNet的inceptionV3模型结合softmax函数制作深度学习分类器的方法实现了从群体目标阵型的识别到群体目标意图的判断。
最近更新: 接近3年前采用Pytorch的入门语义分割项目，支持的网络有Unet和Segnet；遥感语义分割；Unet；Segnet；Remote sensing semantic segmentation；
最近更新: 接近4年前遥感图像的语义分割，分别使用Deeplab V3+(Xception 和mobilenet V2 backbone)和unet模型，keras+python
最近更新: 4年前
