自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 SiamRPN++视觉目标跟踪算法和feartrack算法对比

摘要: SiamRPN++算法在SiamFC基础上引入RPN(区域提议网络),通过预设锚框提升目标定位效率和精度,减少多尺度检测计算量。实验对比显示,FEARTracker与SiamRPN++性能接近,但各有侧重:FEARTracker在跟踪成功率(75.2% vs 73.8%)、定位鲁棒性(CLE低9.7%)、时序稳定性和推理速度(快3.3%)上更优,适合复杂动态场景及边缘设备部署;SiamRPN++平均IoU仅高2.5%,适合对精度要求极高的科研场景。选型建议根据场景需求:动态变化优先FEARTrack

2026-07-23 10:29:07 831

原创 用TransT和SiamFC-PyTorch跟踪算法和feartrack的跟踪算法对同一个目标在相同位置初始化进行效果对比。

本文对比分析了三种目标跟踪算法:TransT、FeatTrack和SiamFC。实验结果显示,FeatTrack在跟踪精度、鲁棒性和实时性方面表现最优,其动态模板更新机制能更好适应目标形变,平均IoU比TransT高7.8%,有效跟踪帧数达TransT的1.5倍。TransT因固定模板特性在长时序跟踪中更稳定,而SiamFC在目标形变时易丢失跟踪。建议根据场景需求选择算法:FeatTrack适用于实时性要求高的场景,TransT适合长时序跟踪,SiamFC则计算效率较高但精度较低。三种算法各具优势,需结合实

2026-07-22 09:04:50 297

原创 什么是训练集、验证集和测试集?请侧重视觉模型评估视角回答。

我们从视觉模型视角,以人车检测为例,对于做 YOLO 检测、TransT 目标跟踪、EISeg 图像分割,都要把全部图片分成 3 份,作用完全不一样。

2026-07-20 17:56:23 376

原创 豆包生成ai短剧

AI短剧制作全流程指南:从剧本到角色设计 本文详细介绍了使用AI工具制作短剧的完整流程:1)剧本生成阶段,需输入详细提示词(身份+任务+关键词)获取故事大纲;2)角色创造环节,建议设计6-8个主配角色并控制描述字数;3)剧情设计要点,强调分集结构和悬念设置;4)人物形象设计,提供标准化的角色设定图模板。文章还提醒注意版权问题,建议通过优化提示词控制AI输出质量,避免过度修饰导致剧情混乱。

2026-07-20 10:56:47 1184

原创 FEARTracker 无人机跟踪算法本地部署

本次实验基于 ECCV2022 开源视觉跟踪算法FEARTracker(仓库地址:https://github.com/PinataFarms/FEARTracker)完成本地环境部署,选用Anti-UAV 无人机平视小目标数据集开展可见光、红外多模态视频跟踪测试,验证该跟踪器在地面水平正视场景下微小无人机目标的跟踪稳定性,全程完成环境配置、标注解析、批量视频推理、结果可视化输出全流程实验。

2026-07-17 12:12:05 518

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除