目标跟踪

企业数字化笔记

视频目标跟踪怎么选？SORT、DeepSORT、ByteTrack 的连续性、遮挡与计算成本对比检测器在每一帧都能给出框，却不保证两个相邻框属于同一个对象。只要视频需要持续编号、停留时长、轨迹回放或一次动作的起止范围，就要把“检测结果”升级为“轨迹”。本文比较 SORT、DeepSORT、ByteTrack 三类常见路线，但不把它们写成排行榜，而是用一段脱敏室内活动视频说明怎样按遮挡、外观相似度、帧率和计算预算选择。

YOLO数据集集合

红外缺陷检测数据集 | 红外检测缺陷识别裂缝检测渗漏检测目标检测9145期本数据集专注于红外热成像场景下的工业缺陷检测，服务于建筑结构检测、管道巡检及设备状态监测。数据涵盖四类典型缺陷，适配红外热成像条件下的缺陷识别、温度异常分析及自动化巡检等应用。

深蓝电商API

用YOLO训练验证码目标检测模型的全流程在爬虫逆向、自动化测试等场景中，验证码识别是高频需求。传统 OCR 方案面对带干扰线、噪点、字符粘连、旋转变形的复杂验证码时，识别率往往大幅下降；而基于 YOLO 的目标检测方案，通过 “先定位单个字符、再分类识别” 的思路，能够精准分离粘连字符、抵抗背景干扰，在复杂验证码场景下具备更强的鲁棒性和可优化空间。

YOLO数据集集合

电力设备目标检测数据集 | 电力设备变电站巡检部件识别目标检测 YOLO格式 9127期本数据集专注于变电站场景下多类电力设备的视觉检测，服务于电力巡检、设备状态评估及运维管理。数据涵盖16类变电站核心设备部件，适配无人机巡检、机器人巡检及固定监控的自动化识别应用。

YOLO数据集集合

烟叶病虫害检测数据集 | 烟叶病害无人机航拍智慧农业病害检测 9125期本数据集专注于无人机航拍视角下的烟叶病虫害检测，服务于智慧农业、烟叶健康监测及农田自动巡检。数据涵盖健康与病害两类烟叶，适配病害预警、精准施药及产量评估等应用。

YOLO数据集集合

风机叶片表面损伤检测数据集 | 风机叶片表面损伤污渍检测无人机巡检风电运维9119期本数据集专注于风机叶片表面损伤与污渍的视觉检测，服务于风电运维、无人机巡检及能源设施管理。数据源涵盖损伤与污渍两类目标，适配叶片缺陷识别、维护决策及自动化巡检等应用。

YOLO数据集集合

小鸡计数检测数据集 |小鸡计数密集目标检测智慧畜牧雏鸡管理9124期本数据集专注于养殖场景下小鸡的视觉检测与计数，服务于智慧畜牧、雏鸡管理及养殖密度评估。数据涵盖密集鸡群场景，适配小鸡自动计数、存活率统计及养殖管理决策等应用。

YOLO数据集集合

风力发电机检测数据集 | 风机检测电缆塔识别风电运维无人机巡检 9122期本数据集专注于风力发电机与电缆塔的视觉检测，服务于风电运维、无人机巡检及能源设施管理。数据涵盖动态背景下的风机与塔架目标，适配风机定位、巡检路径规划及设施统计等应用。

程序员JerrySUN

Jetson边缘嵌入式实战课程第四讲：用 Yocto 定制 Jetson 系统，从开发走向产品化大家好，我是孙杰。最近我和与非网、贸泽电子合作，做了一套 Jetson 边缘嵌入式实战课程。前三讲，我们从 Jetson 硬件平台讲到 JetPack，再进入 L4T，逐渐把 Jetson 的硬件能力、开发环境和底层 BSP 串了起来。

不是重心也不是中点：费马—韦伯点、它的最优性条件与迭代求解一个配送网络要选一个服务点，让服务点到六个需求点的加权距离之和最小，权重就是各点的订货量。直觉通常给出两个答案：把所有点按权重平均一下，得到「加权重心」；或者对横纵坐标分别取中位数。这两个答案都不对——不是差一点点，而是它们最小化的根本不是同一个函数。

YOLO数据集集合

天空红外小目标检测数据集 | 红外小目标天空目标检测无人机检测鸟类识别低空安防9099期本数据集专注于天空背景下的红外小目标检测与分类，服务于低空安防、反无人机系统及航空目标监测。数据涵盖飞机、无人机、直升机与鸟类四类空中目标，适配红外成像条件下的目标识别、空域态势感知及鸟击防范等应用。

【认识深度学习】【深度学习分类与计算机视觉任务要点解析】流食般投喂导语：如果把深度学习比作一个拥有几亿参数的“超级函数”，那么理解它的最好方式，不是盯着那些晦涩的公式，而是看它到底能完成什么任务。本章节采用最实用的“数据模态”分类法，将深度学习划分为四大赛道，并通过大量“所见即所得”的案例，带我们建立起对计算机视觉(CV)、自然语言处理(NLP)、语音与多模态的完整认知。

YOLO数据集集合

智慧工业工地安全防护检测数据集 | 工业安全防护装备检测安全帽识别口罩检测 9097期本数据集专注于工业场景下个人安全防护装备（PPE）的视觉检测与合规性判断，服务于工地安全监控、智能巡检及高危作业环境管理。数据涵盖17类人体部位与防护装备，适配安全穿戴合规检测、行为分析及多任务模型开发等应用。

YOLO数据集集合

高铁轨道紧固件损坏检测数据集 | 高铁巡检紧固件缺陷轨道安全9093期本数据集专注于高铁轨道紧固件缺陷的视觉检测与分类，服务于铁路智能巡检、轨道状态监测及运维决策。数据采集自高铁巡检车实拍全景大图，完整保留紧固件整体排布结构，适配工程级缺陷识别与轨道安全评估。

YOLO数据集集合

光伏板红外-可见光配对缺陷检测数据集 | 光伏板缺陷红外可见光配准多模态检测无人机巡检目标检测 YOLO格式9094期本数据集专注于光伏板缺陷的多模态视觉检测，提供红外与可见光一一配对的图像数据，服务于光伏电站智能巡检、缺陷诊断及运维管理。数据采集自无人机航拍，同一时间、同一位置、同一角度拍摄，适配多模态融合检测、缺陷分类及电站健康评估等应用。

YOLO数据集集合

无人机航拍地面目标检测数据集 | 无人机航拍地面目标检测坦克识别人员检测俯视视角目标检测9092期本数据集专注于无人机航拍视角下的地面目标检测，服务于低空侦察、智慧巡检及空域态势感知。数据涵盖建筑、坦克、地表设施与人员等多类地面目标，适配军事侦察、安防监控及航拍图像理解等应用。

测出来的值会抖：约束和目标带噪声时，「可行」和「更好」该怎么判同一个配方，今天测出来吸收峰 0.98，明天测出来 1.03。同一个仿真，换个随机种子，峰值力差 3%。这种事在实验台上和昂贵仿真里都很常见，但算法里的两个判断却是按「测一次就是真值」写的：这个解可行吗（约束值是否不超过零），这个解比那个解更好吗（目标值谁更小）。噪声一旦进来，这两个判断会同时被污染——有些解只是「这一次测出来可行」，有些解只是「这一次测出来更好」。

非凸、离散、还耦合：论文里的求解方法是一条四步流水线把工程问题写成优化式之后，最常见的下一步是：把所有变量一起交给求解器，等它给出答案。然后失败会以三种具体的方式出现。

YOLO数据集集合

Anti-UAV 可见光与红外无人机检测数据集| 反无人机可见光红外多模态检测小目标检测 Anti-UAV9076期本数据集源自 Anti-UAV Challenge 官方赛事数据，专注于可见光与红外双模态下的小型无人机检测，服务于反无人机系统、低空安防及多模态融合研究。两种模态图像逐帧时间严格对齐，是当前无人机视觉检测领域最具挑战性和代表性的基准数据集之一。

YOLO数据集集合

洪水场景建筑与植被检测数据集 | 洪水检测建筑识别植被监测灾情评估目标检测9073期本数据集专注于洪水灾害场景下的建筑与植被识别，服务于洪涝灾情评估、环境监测及灾后重建规划。数据源于灾后航拍或卫星影像，适配淹没建筑物定位、植被覆盖变化分析及灾害影响评估等应用。