该项目C++实现的多目标跟踪,旨在实现多目标实时跟踪与检测,集成了YOLO与DeepSORT算法。该项目具有灵活性,可同时部署在Jetson系列产品和X86服务器上。采用了高效的TensorRT库,实现了YOLO和DeepSORT算法的目标跟踪加速。在第一阶段,目标检测前处理借助CUDA加速,以达到超过100帧每秒的实时性能。这个项目的设计旨在在不同硬件平台上实现高性能目标检测和跟踪。
该项目C++实现的多目标跟踪,旨在实现多目标实时跟踪与检测,集成了YOLO与DeepSORT算法。该项目具有灵活性,可同时部署在Jetson系列产品和X86服务器上。采用了高效的TensorRT库,实现了YOLO和DeepSORT算法的目标跟踪加速。在第一阶段,目标检测前处理借助CUDA加速,以达到超过100帧每秒的实时性能。这个项目的设计旨在在不同硬件平台上实现高性能目标检测和跟踪。
我们设计了一种晶体粒子测量统计系统,基于YOLOv5算法实现晶粒的形状识别,包括球体、立方体、双锥体等。系统能够实时统计不同形状晶粒的数量,并根据检测框大小计算晶粒直径。此外,系统还能够自动绘制晶粒类别及直径分布的柱状图。我们采用PyQt5框架构建了用户界面,使得系统操作更加友好和直观。
该厂库基于先进的 YOLACT++ 实例分割算法,旨在实现实时动态避障功能,为盲人提供可靠的导航帮助。通过该库,我们能够快速而准确地分割出可通行的路面,为用户提供安全的行进路径。我们采用了双向 A* 路径规划算法,确保了路径的高效性和可靠性。此外,我们提供了论文链接,对比了不同路径规划算法的性能,为您提供更多参考和了解
最近一年贡献:197 次
最长连续贡献:2 日
最近连续贡献:1 日
贡献度的统计数据包括代码提交、创建任务 / Pull Request、合并 Pull Request,其中代码提交的次数需本地配置的 git 邮箱是 Gitee 帐号已确认绑定的才会被统计。