目標跟蹤

標籤

貢獻7

02:16 PM · Nov 20 ,2025

@u_16213580

暱稱雲端行者

Last seen
@u_16213616

暱稱mob64ca14005461

Last seen
@u_16213621

暱稱mob64ca14017c37

Last seen
@u_16099261

暱稱風華絕代的java

Last seen
@u_15531854

暱稱極智視界

Last seen
@u_16099268

暱稱碼海探險先鋒

Last seen
@u_16099203

暱稱網絡安全守衞

Last seen

@目標跟蹤 / 博客 RSS 訂閱

Dec 08 2025

雲端行者 - YOLO神經網絡_yolo網絡

在計算機視覺領域，目標檢測與跟蹤的性能很大程度上依賴於模型架構的設計。傳統的手動調參方式不僅耗時費力，還難以應對複雜多變的應用場景。神經架構搜索（Neural Architecture Search, NAS）技術的出現，為自動優化模型結構提供了可能。本文將介紹yolo_tracking項目中如何利用NAS技術實現模型的自動設計與優化，幫助開發者快速構建高效的目標跟蹤系統

搜索 , 目標跟蹤 , 後端開發 , 目標檢測 , Python

收藏評論

Nov 20 2025

mob64ca14005461 - 工業相機概述

紫外工業相機的入門介紹和工業檢測核心場景 🎯紫外工業相機入門：核心原理 + 3 大工業檢測場景 🎯一、紫外工業相機入門：3 個關鍵知識點，快速讀懂核心邏輯 1. 核心原理：為什麼能 “看見隱形缺陷”？ 2. 核心分類：按波段選，精準匹配場景 3. 關鍵參數：選型不踩坑的核心指標

視覺檢測 , 數碼相機 , 目標跟蹤 , aigc , 人工智能 , llama , 計算機視覺

收藏評論

Dec 06 2025

mob64ca14017c37 - grafana兩個指標合併

前言多目標跟蹤器的性能需要某些指標來進行度量，目前使用比較廣泛的評測指標主要有 Bernardin 等人定義的 CLEAR MOT 指標、Ristani 等人定義的 ID scores 指標以及最新的 Luiten 等人定義的HOTA 指標。一、基礎的評測指標 1.1 ID Switches (ID Sw.) 被跟蹤目

雲計算 , 算法 , grafana兩個指標合併 , 目標跟蹤 , 人工智能 , 雲原生 , 目標檢測

收藏評論

Nov 30 2025

風華絕代的java - 目標跟蹤ID

本期更新全是乾貨首先説一下我們跑完訓練好的跟蹤器之後，可能想自己製作一個視頻，然後運用到跟蹤當中，這期博主帶大家一步一步的完成這個目標，看很多博客沒有系統的製作，並且過程比較繁瑣，沒有統一的説明。這次給大家帶些福利，節省大家科研工作的時間！歡迎大家積極討論！注：博主也是花了很多時間，所以，如果説對大家有用，給博主點點關注，謝謝！視

目標跟蹤 , 人工智能 , 目標跟蹤ID , 深度學習 , 計算機視覺 , Python

收藏評論

Dec 17 2025

極智視界 - 目標檢測數據集 - 衞星圖像船舶檢測數據集下載

數據集介紹：衞星圖像船舶檢測數據集，真實場景高質量圖片數據，涉及場景豐富，比如近岸港口船舶、遠海貨運船舶、島礁周邊船舶、船舶遮擋、船舶嚴重遮擋數據等，劃分為 "Ship" 一個類別；適用實際項目應用：衞星圖像船舶檢測項目，以及作為衞星圖像通用目標檢測數據集場景數據的補充；標註説明：採用 labelimg 標註

數據集 , 目標跟蹤 , 後端開發 , 人工智能 , 目標檢測 , Python

收藏評論

Nov 25 2025

碼海探險先鋒 - 中國雲產業聯盟辦大獎賽挖大數據人才 - 靈玖lingjoin的個人空間 -

在自動駕駛、機器人導航等領域，3D場景的感知與生成一直是研究熱點。然而，傳統方法通常將這兩個過程分離：生成模型僅僅作為數據增強工具，為下游感知任務提供合成數據。這種方法不僅靈活性有限，生成的場景也往往缺乏對感知任務有價值的細節。近日，上海交通大學與寧波數字孿生研究院聯合團隊提出了一種名為OccScene的創新範式，將細粒度3D感知與高質量場景生成

機器學習 , 3d , 目標跟蹤 , 人工智能 , 深度學習 , jquery , 前端開發