Deep-Learning-for-Tracking-and-Detection

Deep-Learning-for-Tracking-and-Detection

使用深度学习进行对象检测和跟踪的论文与资源合集

本项目汇集了有关深度学习在对象检测和跟踪领域的论文、数据集、代码及各种资源。内容涵盖静态检测、视频检测、多对象跟踪和单对象跟踪等主题,并提供了多种经典模型如RCNN、YOLO、SSD的实现和改进方案。此外,项目还涵盖了图像和视频分割、光流、运动预测等任务的资源,为研究人员和开发者提供了详尽的参考资料。

object detectiondeep learningYOLORCNNmulti object trackingGithub开源项目

论文、数据集、代码和其他资源,使用深度学习进行目标检测和跟踪的集合

研究数据

我使用 DavidRM Journal 管理我的研究数据,因为它有出色的分层组织、交叉链接和标记功能。

我提供了一份日记条目导出文件,其中包含我在过去几年里收集的关于计算机视觉和深度学习的论文、文章、教程、代码和笔记的分类集合。

这是主题云的样子: Alt text

它需要 Jounal 8 并可由以下步骤导入:

  • 使用 File -> Import -> Import User Preferences 导入我的用户偏好
  • 使用 File -> Import -> Sync from The Journal Export File 导入研究数据

注意,必须在导入研究数据之前导入我的用户偏好,才能使标记的主题正常工作。

(可选)我的全局选项文件也提供给那些对暗主题感兴趣的人,可以通过 File -> Import -> Import Global Options 导入

更新日期:2023-11-22

论文

静态检测

区域提议

  • 使用深度神经网络的可扩展目标检测 [cvpr14] [pdf] [notes]
  • 用于目标识别的选择性搜索 [ijcv2013] [pdf] [notes]

RCNN

YOLO

SSD

<a id="retinanet_"></a>

RetinaNet

  • 用于目标检测的特征金字塔网络 [ax1704] [pdf] [notes]
  • 用于密集对象检测的焦点损失 [ax180207/iccv17] [pdf] [notes]

<a id="anchor_free_"></a>

无锚检测器

<a id="mis_c_"></a>

杂项

  • OverFeat 使用卷积网络进行集成识别、定位和检测 [ax1402/iclr14] [pdf] [notes]
  • LSDA 通过适应进行大规模检测 [ax1411/nips14] [pdf] [notes]
  • 获取局部化置信度以进行准确目标检测 [ax1807/eccv18] [pdf] [notes] [code]
  • EfficientDet: 可扩展且高效的目标检测 [cvpr20] [pdf]
  • Generalized Intersection over Union: 一个用于边框回归的度量和损失函数 [ax1902/cvpr19] [pdf] [notes] [code] [project]

<a id="video_detectio_n_"></a>

视频检测

<a id="tubelet_"></a>

Tubelet

  • 通过卷积神经网络从视频Tubelet中检测目标 [cvpr16] [pdf] [notes]
  • 使用Tubelet建议网络进行视频中的目标检测 [ax1704/cvpr17] [pdf] [notes]

<a id="fgf_a_"></a>

FGFA

  • 用于视频识别的深度特征流 [cvpr17] [微软研究] [pdf] [arxiv] [code]
  • 用于视频目标检测的流引导特征聚合 [ax1708/iccv17] [pdf] [notes]
  • 迈向高性能视频目标检测 [ax1711] [微软] [pdf] [notes]

<a id="rnn_"></a>

RNN

  • 使用关联LSTM进行在线视频目标检测 [iccv17] [pdf] [notes]
  • 情景很重要:使用循环神经网络优化视频中的目标检测 [bmvc16] [pdf] [notes]

<a id="multi_object_tracking_"></a>

多目标跟踪

<a id="joint_detection_"></a>

联合检测

<a id="identity_embeddin_g_"></a>

身份嵌入

关联

深度学习

  • 使用基于CNN的单目标跟踪器和时空注意力机制的在线多目标跟踪 [ax1708/iccv17] [pdf] [arxiv] [notes]

  • 使用双匹配注意网络的在线多目标跟踪 [ax1902/eccv18] [pdf] [arxiv] [notes] [code]

  • FAMNet 联合学习特征、亲和度和多维分配用于在线多目标跟踪 [iccv19] [pdf] [notes]

  • 利用连接性:使用TrackletNet进行多目标跟踪 [ax1811/mm19] [pdf] [notes]

  • 无花哨功能的跟踪 [ax1903/iccv19] [pdf] [notes] [code] [pytorch]

RNN

  • 追踪不可追踪的目标:学习使用长期依赖追踪多个线索 [ax1704/iccv17] [Stanford] [pdf] [notes] [arxiv] [project],

  • 使用双线性LSTM和神经门控进行多目标跟踪 [eccv18] [pdf] [notes]

  • 在多目标跟踪中消除暴露偏差和度量不匹配 [cvpr19] [pdf] [notes] [code]

无监督学习

  • 通过深度学习Tracklet关联进行无监督人员重新识别 [ax1809/eccv18] [pdf] [notes]

  • 通过动画跟踪:多目标注意跟踪器的无监督学习 [ax1809/cvpr19] [pdf] [arxiv] [notes] [code]

  • 简单的无监督多目标跟踪 [ax2006] [pdf] [notes]

强化学习

网络流

图优化

  • 用于联合分割和多目标跟踪的多切割公式 [ax1607] [highest MT on MOT2015] [University of Freiburg, Germany] [pdf] [arxiv] [author] [notes] <a id="baselin_e_"></a>

基线

<a id="metrics_"></a>

评估指标

<a id="single_object_tracking_"></a>

单目标跟踪

<a id="reinforcement_learning__1"></a>

强化学习

<a id="siamese_"></a>

Siamese

<a id="correlation_"></a>

相关性

<a id="mis_c__1"></a>

其它

  • 弥合检测与跟踪之间的差距:一种统一的方法 [iccv19] [pdf] [笔记]

<a id="deep_learning__1"></a>

深度学习

<a id="synthetic_gradient_s_"></a>

合成梯度

<a id="efficient_"></a>

高效

  • EfficientNet:对卷积神经网络的模型缩放重新思考 [icml2019] [pdf] [笔记]

<a id="unsupervised_learning__1"></a>

无监督学习

<a id="interpolation_"></a>

插值

<a id="autoencoder_"></a>

自编码器

<a id="variational_"></a>

变分

<a id="dataset_s_"></a>

数据集

<a id="multi_object_tracking__1"></a>

多目标跟踪

<a id="uav_"></a>

无人机

<a id="synthetic_"></a>

合成

<a id="microscopy___cell_tracking_"></a>

显微镜 / 细胞跟踪

<a id="single_object_tracking__1"></a>

单对象跟踪

<a id="video_detectio_n__1"></a>

视频检测

<a id="video_understanding___activity_recognitio_n_"></a>

视频理解 / 活动识别

<a id="static_detectio_n__1"></a>

静态检测

<a id="animals_"></a>

动物

<a id="boundary_detectio_n_"></a>

边界检测

<a id="static_segmentation_"></a>

静态分割

<a id="video_segmentation_"></a>

视频分割

<a id="classificatio_n_"></a>

分类

<a id="optical_flow_"></a>

光流

<a id="motion_prediction_"></a>

运动预测

<a id="cod_e_"></a>

代码

<a id="general_vision_"></a>

通用视觉

<a id="multi_object_tracking__2"></a>

多对象跟踪

<a id="framework_s_"></a>

框架

通用

<a id="baselin_e__1"></a>

基准

<a id="siamese__1"></a>

Siamese

<a id="unsupervise_d_"></a>

无监督

<a id="re_id_"></a>

Re-ID

<a id="framework_s__1"></a>

框架

<a id="graph_nn_"></a>

图神经网络

<a id="microscopy___cell_tracking__1"></a>

显微镜 / 细胞追踪

<a id="3_d_"></a>

3D

<a id="metrics__1"></a>

评测

单目标追踪

GUI应用 / 大规模追踪 / 动物

视频检测

动作检测

框架

静态检测和匹配

框架

区域提案

FPN

RCNN

SSD

RetinaNet

YOLO

Anchor Free

Misc

Matching

Boundary Detection

Text Detection

框架

3D Detection

框架

Optical Flow

框架

Instance Segmentation

框架

语义分割

<a id="framework_s__8"></a>

框架

<a id="polyp_"></a>

息肉分割

<a id="panoptic_segmentation_"></a>

全景分割

<a id="video_segmentation__1"></a>

视频分割

<a id="panoptic_video_segmentation_"></a>

全景视频分割

<a id="motion_prediction__1"></a>

运动预测

<a id="pose_estimation_"></a>

姿态估计

<a id="framework_s__9"></a>

框架

<a id="autoencoder_s_"></a>

自动编码器

<a id="classificatio_n__1"></a>

分类

<a id="framework_s__10"></a>

框架

<a id="deep_rl_"></a>

深度强化学习

<a id="annotatio_n_"></a>

标注

<a id="editing_"></a>

编辑

<a id="augmentatio_n_"></a>

增强

<a id="deep_learning__2"></a>

深度学习

<a id="class_imbalanc_e_"></a>

类别不平衡

<a id="few_shot_learning_"></a>

小样本学习

<a id="unsupervised_learning__2"></a>

无监督学习

<a id="collections_"></a>

集锦

<a id="dataset_s__1"></a>

数据集

<a id="deep_learning__3"></a>

深度学习

<a id="static_detectio_n__2"></a>

静态检测

<a id="video_detectio_n__3"></a>

视频检测

<a id="single_object_tracking__3"></a>

单目标跟踪

<a id="multi_object_tracking__3"></a>

多目标跟踪

<a id="static_segmentation__1"></a>

静态分割

<a id="video_segmentation__2"></a>

视频分割

<a id="motion_prediction__2"></a>

运动预测

<a id="deep_compressed_sensin_g_"></a>

深度压缩感知

<a id="mis_c__3"></a>

其他

<a id="tutorials_"></a>

教程

<a id="collections__1"></a>

合辑

<a id="multi_object_tracking__4"></a>

多目标跟踪

<a id="static_detectio_n__3"></a>

静态检测

<a id="video_detectio_n__4"></a>

视频检测

<a id="instance_segmentation__1"></a>

实例分割

<a id="deep_learning__4"></a>

深度学习

<a id="optimizatio_n_"></a>

优化

<a id="class_imbalanc_e__1"></a>

类不平衡

<a id="rnn__2"></a>

循环神经网络(RNN)

<a id="deep_rl__1"></a>

深度强化学习(Deep RL)

<a id="autoencoder_s__1"></a>

自动编码器(Autoencoders)

<a id="blogs_"></a>

博客

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多