目标跟踪

ICLR 2026 目标检测（object detection）方向上接收论文总结ICLR 2026（International Conference on Learning Representations）于 2026 年 4 月 23 日至 27 日在巴西里约热内卢举行。

Day 33：目标跟踪基础 — SORT与DeepSORT今日目标：掌握目标跟踪的核心组件（卡尔曼滤波/匈牙利匹配/ReID），理解SORT到DeepSORT的进化，从零实现简单跟踪器预计阅读：10分钟 | 动手操作：40分钟

计算机视觉基础第13章 |背景建模与运动目标检测目录前言一、实验需求二、实验原理分析2.1 MOG2（高斯混合模型背景减除）2.2 形态学开运算三、完整代码实现

目标检测后处理核心：NMS非极大值抑制详解在目标检测算法中，模型输出的原始预测框往往数量庞大且高度重叠。为了得到清晰、准确的最终检测结果，NMS非极大值抑制是必不可少的关键步骤。

行人与骑行者目标检测数据集：2类别、5,000张图像 | 目标检测通过网盘分享的文件：行人与骑行者目标检测数据集链接: https://pan.baidu.com/s/1vFPh3AvpfHJIP8f3xzrHGQ?pwd=wbpj 提取码: wbpj

OpenCV中运动目标检测运动目标检测指在视频序列中提取出运动的物体区域。本次实践采用了背景减除法，建立背景模型，当前帧与背景相减得到前景。

AI的探索之旅

97 个 OpenCV 实例（十三）：目标跟踪，CamShift 反向投影上一篇做了仪表读数，一个能真正落地的项目。这一篇换个玩法——让程序「盯住」一个运动的东西。目标跟踪是视频分析的第一步，工业现场到处都要用它：传送带上的零件要跟踪、机械臂抓取的目标要锁定。而 OpenCV 里最经典的颜色跟踪算法，就是 CamShift。

防爆AI摄像机实时监测船舶异常姿态船舶在港口作业时，姿态变化直接关系到装卸效率和人员安全。船体倾斜、吃水异常、移位超限等问题如果没能及时发现，轻则延误作业，重则引发事故。传统监测方式主要靠人工巡检和经验判断，反应慢、误差大，已经很难满足现代港口的管理需求。防爆AI摄像机的出现，给这个问题提供了一个更靠谱的解决办法。

Fast‑BEV 完整实战教程（智驾工程视角）论文：Fast‑BEV: Towards Real‑time On‑vehicle Bird’s‑Eye View Perception（NeurIPS2022）定位：纯相机 BEV 3D 检测，主打车端可部署、低延迟，基于 MMDetection3D 开发，属于 LSS 系列视图变换路线，不使用 BEVFormer 那种 Transformer cross‑attention。整体流水线：多相机图像输入 → 2D Backbone+FPN 多尺度提取图像特征 → Fast‑Ray 视图变换（2D 特

考试作弊行为目标检测数据集：3类别、5,700张图像 | 目标检测通过网盘分享的文件：考试作弊行为目标检测数据集链接: https://pan.baidu.com/s/16Bj3u150CB3rrXA_k8F2ew?pwd=t32k 提取码: t32k

多路视频实时解码推理，是怎么做到“逐帧解码 + AI检测 + 目标框叠加上墙“的？技术干货 | 音视频开发 · AI推理 · 视频监控

YOLO数据集集合

钢材表面缺陷目标检测数据集 | 钢材缺陷检测表面质检工业视觉目标检测9009期本数据集专注于工业质检视觉识别，服务于钢铁产品表面缺陷的自动检测与分级。数据源于真实轧制生产线，覆盖六类典型表面缺陷，适配智能制造、质量管控及工艺优化等场景。

截图多模态智能检索系统技术调研方案整体可行，所有组件均有成熟开源实现，无技术卡点。唯一需要重点决策的是组件许可证（影响商用），以及**以文搜图必须选多模态模型（SigLIP2）而非纯视觉模型（DINOv2）**这两个设计要点。

智购科技自动售货机厂家

2026自动售货机AI视觉识别优化：从YOLOv11n模型量化到RKNN部署的端侧推理工程实践~YH在自动售货机行业从传统弹簧机向AI视觉开门柜转型的过程中，AI视觉识别正在成为决定用户体验和运营效率的核心技术环节。AI视觉开门柜的核心能力是“即拿即走”——用户开门取货，关门自动结算，全程无感。这一体验背后，是端侧AI芯片实时完成YOLO系列模型的推理计算。

YOLO数据集集合

UAVDT 无人机车辆检测数据集 - 无人机航拍 | 车辆检测 | 目标检测 | YOLO格式 | 智能交通 | 城市管理 | 多类别数据集 | 计算机视觉本数据集涵盖城市道路常见车辆类型，共 4 个类别：数据集包含 8600 张无人机俯拍图像，涵盖不同高度、角度和交通密度场景，为模型提供丰富的训练样本。

GPT-5.6 Sol 视觉评测：目标检测翻三倍，大模型开始“干视觉活“第三方视觉评测机构 Roboflow 最近把 OpenAI 的 GPT-5.6 全家桶（Sol、Terra、Luna）拉进自己的视觉基准跑了一轮，结果里有个数字很扎眼：目标检测这一项，上一代 GPT-5.5 只拿到 13.8 分，GPT-5.6 Sol 直接冲到 46.2，涨了三倍多。Roboflow 项目负责人评价说，这是 OpenAI 有史以来最强的视觉模型。

西柚研究生123456

论文分析16：多尺度特征增强与动态采样的轻量化目标检测[1]郭亚楠,黄德启,倪自聪,等.多尺度特征增强与动态采样的轻量化目标检测[J/OL].哈尔滨工业大学学报,1-20[2026-08-17].https://link.cnki.net/urlid/23.1235.T.20260618.1013.004.

TIP 2025 | DIL-SSOD：密集信息增强与关系一致性正则化的半监督目标检测论文题目： Dense Information Learning Based Semi-Supervised Object Detection

使用 Labelme 标注遥感目标检测数据集：从类别表、矩形框到 group_id 完整流程本文记录一次使用 Labelme 标注遥感目标检测数据集的完整流程，包含标注规范、类别表、Labelme JSON 结构、group_id 填写方法，以及漏标、错标、类别识别不确定时的处理经验。适合作为 CSDN 博客发布，也可以作为团队标注规范文档使用。

小目标跟踪DiMP‑18 / DiMP‑50 KYS（长时 SOT）⭐非常适合羽毛球 OSTrack / MixFormer(Transformer SOT)