- 博客(18)
- 收藏
- 关注
RSS订阅原创 车+臂手势识别抓取
注意：幻影峡谷的cuda环境变成11.3了对应的pytorch版本变了，需要将代码的transforms.Scale替换为代码的虚拟环境为代码为使用vscode打开，然后进入虚拟环境为手势识别主要程序。
2025-04-03 09:49:58
228
原创 ROS学习记录
该文件定义有关软件包的属性，例如软件包名称，版本号，作者，维护者以及对其他catkin软件包的依赖性。ROS Master 会根据注册表中的信息匹配Talker 和 Listener，并通过 RPC 向 Listener 发送 Talker 的 RPC 地址信息。Listener 根据接收到的 RPC 地址，通过 RPC 向 Talker 发送连接请求，传输订阅的话题名称、消息类型以及通信协议(TCP/UDP)。解决: 注册后，加入休眠 ros::Duration(3.0).sleep();
2024-09-02 21:20:52
279
原创 Python基础知识点（个人记录）
不可变类型：int、long、float、complex、string、bool、tuple。其中可变类型不能作为字典的key，因为它们没有__hash__()方法。python中的类型分可以分为两类，可变类型和不可变类型。非空的字典、列表、字符串0都是true！可变类型：dict、list、set。涉及字符串拆分、类函数和对象调用。1）true和false。
2024-05-29 20:24:55
1305
原创 ocsort 复现
2 依赖项3 准备数据集[MOT17](https://motchallenge.net/),[MOT20](https://motchallenge.net/),[CrowdHuman](https://www.crowdhuman.org/),[Cityperson](https://github.com/Zhongdao/Towards-Realtime-MOT/blob/master/DATASET_ZOO.md),[ETHZ](https://github.com/Zhongdao/
2023-09-11 21:14:31
3167
21
原创 多目标跟踪MOT论文阅读记录2（持续更新中...）
一共三层：D(high)+T(high)，D(high)+T(high+low)，D(high+low)+T(high+low)；TBM的方法适合固定相机场景，因此TBM+TBD的也比较适合相机运动不大的场景。：基于跟踪基数和运动上下文相似性（IOU），相似性低，则生成TBD伪标签，相似性高则TBM伪标签。和当前帧的不相似性及注意力机制，决策出当前帧是使用TBM还是TBD；TBM速度快，TBD精度高，为了平衡精度，交替使用TBM和TBD。，以更新kalman，也就是令更新公式里的。
2023-08-15 12:28:56
1556
1
原创 yolo_track复现记录
yolo_trackmikel-brostrom/yolo_tracking: A collection of SOTA real-time, multi-object tracking algorithms for object detectors (github.com)yolov8ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite (github.com)2 源码下载从
2023-08-08 15:52:52
2261
45
原创 BOT_SORT复现（Ubuntu20.04）
这是测试后保存的txt文件，在botsort/YOLOX_outputs/yolo_x_mix_mot20_ch/track_results.txt。这是重新测试之后，进行转换后的结果，对比之前的结果发现置信度那一列变成了-1，这是官网给的要求的mot20格式示例。分别表示：第几帧，ID号，目标框坐标（四个值），置信度，3D坐标（3个值，2D检测不存在3D坐标，故全为-1）测试过程：（1.92fps好慢啊，todo：试试mot17上的s、nano模型的速度）这个和数据集的标注格式是对应的。
2023-07-20 17:50:18
1355
5
原创 多目标跟踪MOT论文阅读记录1
由当前帧图像经由编码器和QLN生成多尺度密集查询DQ，经过解码器产生中心点C和框S，形成检测集D，再使用匈牙利算法进行轨迹关联。：（1）提出了TransCenter，一种基于transformer的，具有密集表示的MOT结构，并分别提出了适用于拥挤环境和高效环境的两种变体（Dual、Lite）；检测分数低的对象，例如被遮挡的物体，被简单地扔掉，这带来了不可忽略的真实物体丢失和支离破碎的轨迹。（3）QLN转换器（将密集特征M转换为解码器输入）、两个编码器（分别处理TQ和DQ）的设计。，并带来了效率的提高；
2023-06-23 17:43:17
1155
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人