Project Icon

py-motmetrics

多目标跟踪性能评估Python库

py-motmetrics是一个评估多目标跟踪(MOT)性能的Python库。它实现了CLEAR-MOT和ID等评估指标,支持多种距离度量,可跟踪每帧事件,并提供灵活的求解器后端。该库兼容MOTChallenge基准,使用pandas进行数据分析,易于扩展。py-motmetrics为研究人员和开发者提供了全面评估和比较多目标跟踪算法性能的工具。

multi-object-tracker - 利用Python实现多对象跟踪,兼容多种检测器
CentroidTrackerGithubOpenCVTF-MobileNetSSDYOLOv3multi-object tracker开源项目
该项目提供多种基于Python的多对象跟踪算法,包括CentroidTracker、IOUTracker、CentroidKF_Tracker和SORT,支持TF_SSDMobileNetV2、Caffe_SSDMobileNet和YOLOv3等OpenCV对象检测器。安装简便,使用友好,支持GPU加速,适用于视频数据解析和对象追踪。参考项目示例可快速上手,实现精准多对象跟踪。
pytracking - 基于PyTorch的开源视觉目标跟踪和视频对象分割框架
GithubPyTorch开源项目深度学习视觉目标跟踪视频目标分割计算机视觉
PyTracking是基于PyTorch的开源视觉目标跟踪和视频对象分割框架。它实现了多个先进的跟踪算法,如TaMOs、RTS和ToMP,并提供完整的训练代码和预训练模型。该框架包含用于实现和评估视觉跟踪器的库,涵盖常用数据集、性能分析脚本和通用构建模块。其LTR训练框架支持多种跟踪网络的训练,提供丰富的数据集和功能。
boxmot - BoxMOT:支持分割、目标检测和姿态估计的多对象跟踪模块
BoxMOTGithubYolov8多目标跟踪姿态估计开源项目目标检测
BoxMOT项目提供可插拔的多对象跟踪模块,支持分割、目标检测和姿态估计。提供适用于各种硬件配置的跟踪方法,包括CPU和GPU。兼容多种ReID模型及Yolov8、Yolo-NAS、YOLOX等目标检测模型,并通过快速实验脚本提高实验效率。
MeMOTR - 基于长期记忆的Transformer多目标跟踪方法
GithubMeMOTRTransformer多目标跟踪开源项目计算机视觉长期记忆
MeMOTR提出了一种基于Transformer的端到端多目标跟踪方法,通过长期记忆注入和定制记忆注意力层提升目标关联性能。该方法在DanceTrack和SportsMOT等数据集上展现出优秀的跟踪效果,为复杂场景的多目标跟踪提供了新思路。项目开源了代码、预训练模型和使用说明,便于研究者复现和改进。
autometrics-py - Python函数自动化监控与性能分析库
AutometricsGithubPrometheusPython函数装饰器开源项目指标监控
autometrics-py是一个Python库,为函数自动添加关键指标监控。它生成标准化指标和Prometheus查询,支持SLO定义、Grafana仪表盘集成和多种指标收集配置。这些功能有助于开发者快速识别和解决生产环境中的问题,提高代码可观测性。
torchmetrics - 100+ PyTorch 指标实现的集合,以及一个易于使用的 API 来创建自定义指标
GithubPyTorchTorchMetrics分布式训练度量开源项目机器学习
TorchMetrics提供超过100种PyTorch指标的实现,拥有易用的API和支持自定义指标的功能,优化分布式训练并减少样板代码。它支持自动批次累积和设备同步,模块化设计使得指标可以自动放置在正确的设备上,并兼容PyTorch Lightning。覆盖音频、分类、检测、图像等多个领域,并提供可视化工具,便于理解机器学习算法。
open-metric-learning - 开源的PyTorch度量学习框架 支持多模态嵌入训练
GithubPyTorchopen-metric-learning嵌入向量度量学习开源项目检索系统
open-metric-learning是一个基于PyTorch的开源度量学习框架,用于训练和验证高质量嵌入模型。它提供端到端流水线、实用案例和预训练模型库,支持图像和文本等多种模态。该框架具有统一的检索结果处理和评估方法,适用于人脸识别、商品搜索等嵌入学习任务。已被多家知名公司和机构采用,是一个功能丰富、易于上手的度量学习工具。
MO-Gymnasium - 标准化多目标强化学习环境和算法开发平台
GithubMO-GymnasiumPython库多目标强化学习开源项目环境API算法开发
MO-Gymnasium是一个开源Python库,为多目标强化学习(MORL)算法提供标准化开发和比较平台。它基于Gymnasium API,提供返回向量化奖励的环境集合,包括MORL文献中的环境和经典环境的多目标版本。该库支持简单的环境创建和交互,并提供LinearReward包装器实现奖励函数标量化。MO-Gymnasium采用严格的版本控制,保证实验可重复性,是MORL研究和基准测试的理想工具。
siam-mot - 区域基的多目标追踪网络
CVPRGithubSiamMOT多目标跟踪开源项目深度学习运动模型
SiamMOT是一种基于区域的连体多目标追踪网络,通过在帧间估算对象实例的运动,实现目标检测和关联。项目展示了显式和隐式运动建模的重要性,显著提升了在MOT17、TAO-person和Caltech Roadside Pedestrians数据集上的性能,且在HiEve数据集上超越了ACM MM'20 HiEve Grand Challenge的获胜者。SiamMOT在单个现代GPU上以每秒17帧的速度运行,支持对人或人和车辆的联合追踪,并提供丰富的预训练模型供用户使用。
SparseTrack - 多目标跟踪新方法:基于伪深度的场景分解技术
GithubSparseTrack伪深度场景分解多目标跟踪开源项目数据关联
SparseTrack提出了一种新的多目标跟踪方法,通过伪深度估计和深度级联匹配策略来分解密集场景。这种方法在MOT17和MOT20基准测试中表现出色,仅使用IoU匹配就达到了与复杂算法相当的性能。SparseTrack为解决拥挤场景中的多目标跟踪问题提供了新的思路,展示了简单方法在复杂任务中的潜力。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号