目标跟踪

YOLO数据集集合

机雾天航拍挑战：11,600张雾霾场景目标检测数据集全解析雾霾天气下，无人机视觉系统常面临“看不清、测不准”的困境——图像对比度骤降、目标纹理模糊，导致检测模型性能断崖式下跌。学术界与工业界亟需能覆盖合成雾与真实雾的多样化基准数据集。本文深度解读一个包含11,600张图像、38万+标注实例的雾霾场景目标检测数据集，并提供基于Detectron2和YOLOv8的鲁棒性训练代码与域适应策略，助力复杂天气下的无人机智能感知。

YOLOv26联手大模型，开启智能视觉新时代【摘要】本文提出一种将 YOLOv26 超高速开放词汇检测能力与视觉理解大模型深度融合的通用感知平台设计方案。平台采用感知层、融合层、认知层、应用层四层解耦架构与双向协同机制，实现从"检测"到"理解"的范式跃迁，具备主动式目标发现、上下文感知关系建模、时序因果推理和自适应规则生成等核心智能特性，为智慧工业、零售、交通等行业提供"发现一切、理解一切"的通用视觉智能基座。

全局实例跟踪(GIT)：像人类一样定位目标——VideoCube基准与SiamFC实战全解析全局实例跟踪（Global Instance Tracking, GIT）是计算机视觉领域一项新兴且极具挑战性的任务。与传统的单目标跟踪（Single Object Tracking, SOT）和多目标跟踪（Multiple Object Tracking, MOT）不同，GIT 旨在在长视频序列中持续定位一个特定目标实例，即使该目标可能反复离开并重新进入画面。这一任务更贴近人类"找人"的认知方式——我们不会因为目标短暂离开视野就"忘记"它，而是会持续关注并在其重新出现时立即识别。

16-ADAPTRACK:基于自适应阈值的多目标跟踪匹配算法多目标跟踪( MOT )在各种计算机视觉领域中起着关键作用，最近的检测跟踪算法将MOT视为不同的检测和关联任务。然而，现有的跟踪器在跨视频形成完整轨迹的同时，往往依赖于敏感阈值来关联先前的轨迹和当前的检测结果。这些阈值对跟踪性能至关重要，并且需要对每个数据集甚至序列进行手动调整，限制了在实际应用中的适应性。为了解决这个问题，在本文中，我们引入了AdapTrack，一种新的MOT算法，它可以在不需要手动设置阈值的情况下适应变化的场景。通过精心设计的匹配策略，我们的跟踪器可以为每一帧自适应地选择适当的阈值，

NanoTrack C++ — RK3588 实时目标跟踪基于 Rockchip RK3588 芯片的纯硬件加速 NanoTrack 单目标跟踪器。利用 MPP 硬解码 + RGA 格式转换 + 三核 NPU 并行推理，实现对 H.264 视频流的实时目标跟踪。

YOLO系列目标检测数据集大全【第二十九期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

YOLO系列目标检测数据集大全【第三十期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

装不满的克莱因瓶

【工业领域】掌握非极大值抑制（NMS）目标检测后处理方法——从重复框消除到工程落地核心技术目录一、前言二、为什么需要NMS（一）模型输出特点（二）问题本质（三）工业后果三、NMS核心思想（一）一句话理解

装不满的克莱因瓶

【工业领域】了解目标检测基本流程——从数据到部署的完整工程化思路目录一、前言二、目标检测的本质是什么（一）任务定义（二）输出内容（三）核心区别三、工业目标检测整体流程

装不满的克莱因瓶

【工业领域】了解目标检测评估指标——从mAP到IoU的完整评价体系解析目录一、前言二、为什么目标检测不能只看Accuracy（一）分类任务 vs 检测任务分类任务目标检测任务

ROS2 视觉感知、目标检测与 TF 控制闭环复盘：从 /camera/image_raw 到 /cmd_vel 的机器人目标跟随实现这一阶段的核心，是理解机器人系统中一条完整的视觉感知到运动控制闭环。机器人首先通过摄像头获取图像，并把图像发布到 /camera/image_raw。随后，感知节点订阅图像话题，对图像进行 AprilTag 或 YOLO 目标检测，得到目标是否存在、目标中心点、目标偏移量、置信度等信息。

装不满的克莱因瓶

掌握基于YOLO v5实现车牌目标检测任务的完整流程——从数据到部署的工业级实践目录一、前言二、任务目标拆解（一）任务本质（二）系统目标（三）后续扩展三、整体流程架构四、数据采集（一）数据来源

YOLO系列目标检测数据集大全【第二十八期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

CVPR 2026 | FaCHD-RPSC：基于跨头蒸馏与原型校正的增量目标检测CVPR 2026 | FaCHD-RPSC：基于跨头蒸馏与原型校正的增量目标检测论文题目：Incremental Object Detection via Future-Aware Decoupled Cross-Head Distillation

《Python 人脸识别入门实践：从人脸检测到人脸比对完整实现》人脸识别，简单来说，就是让计算机判断一张图片或视频中的人脸是谁。它通常包括两个层面的任务：例如，在一张图片中，程序可以完成以下工作：

乐迪信息：港口船舶偏航难监管，AI智能监测实时发出预警提醒在当前的港口航运管理中，船舶偏航一直是个比较让人头疼的问题。你可能以为，现在港口都有雷达、AIS（船舶自动识别系统）这些设备，监控船只应该很容易。但实际情况是，传统监管手段在应对偏航行为时，仍然存在不少短板。

YOLO系列目标检测数据集大全【第二十五期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

YOLO系列目标检测数据集大全【第二十二期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

YOLO系列目标检测数据集大全【第二十三期】data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：data.yaml配置：

石头城的小石头

【从0到1的鼠标位置显示记录器，基于python环境pycharm下编译实施，最终打包为exe，欢迎交流】**AI正变得超级，OPENCLAW以及COPAW等智能控制软件逐步流行，借助鼠标位置显示器，加速自动化操作的神器，提升控制效率。