目标跟踪

强化学习与机器人控制仿真

Meta 最新开源 SAM 3 图像视频可提示分割模型目录系列文章目录前言一、安装1.1 先决条件二、入门指南2.1 基本用法三、示例3.1 使用SAM 3进行图像分割

gorgeous(๑>؂<๑）

【ICLR26匿名投稿】Context-Aware ViT：让目标检测真正“看清上下文”的增强策略文章：Enhancing Vision Transformers for Object Detection via Context-Aware Token Selection and Packing

深圳市快瞳科技有限公司

宠物识别丨基于弱监督学习的宠物视频内容自动标注技术实践针对宠物短视频平台内容标签混乱的智能化解决方案随着宠物经济的快速发展，抖音、快手等短视频平台上的宠物相关内容呈现爆发式增长。然而，海量的宠物视频内容面临着标签混乱、分类不准确的突出问题，严重影响了内容推荐系统的精准度和用户体验。

YOLOv8多场景人物识别定位与改进ASF-DySample算法详解目标检测领域近年来取得了显著进展，然而在实际应用中仍面临诸多挑战。特别是在复杂场景下的人物检测任务中，小目标检测精度不足、计算资源消耗过大以及模型泛化能力有限等问题尤为突出。本文提出了一种基于ASF-DySample改进的YOLOv8目标检测算法，通过引入注意力机制和动态采样策略，有效提升了模型的计算效率和泛化能力，同时保持了检测精度。

yolov5单目测距+速度测量+目标跟踪YOLOv5是目前最先进的目标检测算法之一，在多个数据集上取得了优秀的表现。相较于YOLOv4，YOLOv5采用了更深的Backbone网络和更高的分辨率输入图像，以提高检测精度和速度。

菠萝蜜果实目标检测_yolo11-C3k2-ConvFormer改进在农业智能化的浪潮中，菠萝蜜作为一种高价值的热带水果，其自动化识别与采摘技术备受关注！💡 本文将详细介绍如何通过改进YOLO11算法，结合C3k2-ConvFormer架构，实现更精准的菠萝蜜果实检测。让我们一起探索这个充满挑战与机遇的研究领域吧！🔍

【目标检测】YOLOv10n-ADown弹孔检测与识别系统🎯 在军事靶场评估和武器测试领域，弹孔检测与识别是一项至关重要的任务。传统方法往往依赖人工检查，效率低下且容易出错。今天，我将为大家介绍一种基于YOLOv10n-ADown的创新弹孔检测与识别系统，它能够快速、准确地定位并识别靶场上的弹孔，为武器性能评估提供可靠的数据支持。

【水下目标检测】Yolov8-GDFPN实现水下气泡智能识别系统水下气泡检测在海洋科学研究、水下机器人导航、海洋生态监测等领域有着广泛应用。传统的水下气泡检测方法往往依赖于手工设计特征，面对复杂多变的水下环境，这些方法的鲁棒性和准确性都有限。近年来，深度学习目标检测技术的快速发展为水下气泡检测提供了新的解决方案。本文将介绍如何使用改进的Yolov8-GDFPN网络结构实现高效的水下气泡智能识别系统。

detr目标检测+deepsort/strongsort/bytetrack/botsort算法的多目标跟踪实现目录DETR 是什么？DETR 如何检测物体DETR 是如何运作的？DETR 的优势和劣势DETR 的优势

【MATLAB例程】2雷达二维目标跟踪滤波系统-UKF（无迹卡尔曼滤波）实现，目标匀速运动模型（带扰动）。附代码下载链接二维平面上，2个雷达观测一个目标，雷达仅观测与UKF滤波后的效果对比。同时输出轨迹、定位误差、误差统计特性等。软件环境：MATLAB R2016b 或更高版本

yolov5/8/9/10/11/12/13+deep-oc-sort算法的目标跟踪实现目录1.YOLO 系列发展概览2. YOLO系列目标检测算法发展历程2.1. 奠基阶段：YOLOv1-v3

一帧就能“训练”的目标跟踪算法：通俗理解 KCF 的训练机制“KCF 不是只用第一帧吗？那它到底是怎么训练的？怎么可能只靠一个样本就学出滤波器？”本文我们就来把这件事讲透—— 从直觉出发，不讲推导，只讲原理，让你一听就懂。

【图像处理基石】什么是光流法？在计算机视觉领域，运动目标分析是核心任务之一，而光流法作为一种无标记运动估计技术，通过捕捉图像序列中像素的灰度变化，能够精准描述目标的运动轨迹和速度信息。它广泛应用于目标跟踪、行为识别、自动驾驶等场景，是AI算法工程师必须掌握的关键技术之一。本文将从光流法的核心原理出发，结合OpenCV实现Python实战，带你快速掌握光流法的应用技巧。

SCI精读：基于计算机视觉改进光伏热点和积尘检测：基于现场航拍图像的YOLO模型系统比较**SCI精读是一项高投入、高回报的科研投资。它初期看似缓慢，但从长远看，它是构建你深厚学术功底、敏锐科研嗅觉和强大创新能力的唯一捷径。将精读养成习惯，它最终会从一项“任务”变成一种能带给你巨大成就感和乐趣的“能力”，介于此，本Up主开设sci领读课程，旨在让小伙伴们在快乐中快速具备论文写作能力！**本专栏为视频课程中的文章翻译！

【MATLAB例程】二维平面上，三个雷达对一个目标跟踪，输出观测平均与UKF滤波两种算法的结果对比，附下载链接二维平面上，三个雷达对一个目标跟踪，输出观测平均与UKF（无迹卡尔曼滤波）两种算法的结果对比，包括轨迹图、误差曲线、误差统计特性等。

gorgeous(๑>؂<๑）

【ICLR26匿名投稿】OneTrackerV2：统一多模态目标跟踪的“通才”模型文章：OneTrackerV2: Unified Multimodal Visual Object Tracking with Mixture of Experts

听雨~の(>^ω^<

OSTrack视频单目标跟踪项目框架缺点：无法实现移出画面时自动定位到原位置本地运行脚本：

DETR：新一代目标检测范式综述本综述旨在全面梳理自2020年DEtection TRansformer (DETR)被提出以来，其在目标检测及相关视觉任务领域所引发的范式革命。DETR首次将目标检测构建为一个端到端的集合预测（Set Prediction）问题，通过引入Transformer架构和一对一的二分图匹配，彻底摒弃了传统检测器中如非极大值抑制（NMS）等复杂的手工设计组件。然而，DETR的开创性设计也带来了严峻的挑战，尤其是其高计算复杂度、极其缓慢的训练收敛速度（需数百个周期）以及对小目标检测性能不佳等初始缺陷。

哈尔特征：计算机视觉中的经典特征提取范式与现代延伸在计算机视觉的发展历程中，哈尔特征（Haar Features）是一个里程碑式的存在。它以简洁的原理和高效的计算特性，成为目标检测领域的经典方法，至今仍在诸多场景中展现出独特价值。本文将从原理、应用、演进三个维度，深入解析哈尔特征的技术内核与行业影响。

【完整源码+数据集】高空作业数据集，yolo高空作业检测数据集 2076 张，人员高空作业数据集，目标检测高空作业识别系统实战教程【数据集】yolov8高空作业检测数据集 2076 张，目标检测，包含YOLO/VOC格式标注，训练、验证、测试集已划分。