目标跟踪标签_DAMO开发者矩阵

目标跟踪

事件驱动的异步Agent架构：OpenClaw机制、同步模型支持异步打断

先想一个问题：你去便利店买东西，老板你问一句他答一句，中间你掏手机扫了个码、翻了个包，他就呆在那儿等着——这老板是不是有点"呆"？现在大多数 Agent 就是这个"呆老板"。它们的运行机制是：收到用户请求 → 推理 → 调用工具 → 出结果 → 等下一个请求。这在"你问我答"的聊天场景够用，但一遇到真实业务就露馅了。，Agent 必须学会"等"，否则干不了正事。为什么这么说？同步模型的本质是""，

阿拉斯攀登
1天前

 75

 2

#架构 #缓存 #微服务 +2
机器人猎头分析：机器视觉在机器人行业中有哪些实际应用？真正难的不是看见，而是看完之后还能把活干了

第一阶段：让机器人“看见”。识别物体、检测缺陷、读取位置。第二阶段：让机器人“看懂空间”。理解距离、姿态、三维结构以及自身位置。第三阶段：让机器人“看懂以后知道该干什么”。视觉开始和语言、决策、规划以及动作模型结合，最终进入具身智能的感知—决策—行动闭环。所以我认为，未来真正稀缺的机器视觉人才，可能不是单纯把检测准确率从97%做到98%的人，而是能够把视觉结果真正变成机器人可靠动作的人。因为机器人

 机器人猎头David
1天前

 249

 11

#机器人 #目标跟踪 #人工智能
YOLOv9【第十一章：行业实战应用篇·第23节】机器人抓取——YOLOv9 检测结果驱动机械臂控制

🏆 本文收录于《YOLOv9实战：从入门到深度优化》专栏。该专栏系统复现并深度梳理全网主流 YOLOv9 改进方法与工程实战案例，覆盖分类、目标检测、实例分割、多目标追踪、关键点检测、旋转目标检测等多个方向，坚持持续更新 + 深度解析 + 工程验证。

bug菌¹
1天前

 736

 17

#机器人 #目标跟踪 #人工智能 +2
深度学习YOLOv8的海底垃圾检测海洋垃圾识别海洋生物检测系统111(设计源文件+万字报告+讲解)（支持资料、图片参考_相关定制）_

实验结果表明，该系统在保持较高识别准确率的同时，能够实现快速的识别速度，满足实时海底垃圾识别的需求。本文提出了一种基于深度学习的海底垃圾识别系统，采用先进的YOLOv8算法作为核心检测模型，并结合PyQt5框架构建了用户友好的图形用户界面（GUI）。YOLOv8算法凭借其高效的检测速度和较高的识别精度，在复杂水下环境中展现了优异的性能，而PyQt5框架则为系统提供了直观且交互性强的操作界面。1、检

 北夷烟雪江中雨
2026-08-25 18:57:28

 79

 1

#深度学习 #目标跟踪
YOLOv9【第十一章：行业实战应用篇·第17节】仓储机器人：货架、托盘、二维码区域检测！

🏆 本文收录于《YOLOv9实战：从入门到深度优化》专栏。该专栏系统复现并深度梳理全网主流 YOLOv9 改进方法与工程实战案例，覆盖分类、目标检测、实例分割、多目标追踪、关键点检测、旋转目标检测等多个方向，坚持持续更新 + 深度解析 + 工程验证。

bug菌¹
2026-08-25 11:00:00

 230

 3

#机器人 #目标跟踪 #人工智能 +1
YOLOv9【第十一章：行业实战应用篇·第14节】医疗影像辅助检测——息肉、细胞、病灶定位入门

🏆 本文收录于《YOLOv9实战：从入门到深度优化》专栏。该专栏系统复现并深度梳理全网主流 YOLOv9 改进方法与工程实战案例，覆盖分类、目标检测、实例分割、多目标追踪、关键点检测、旋转目标检测等多个方向，坚持持续更新 + 深度解析 + 工程验证。

bug菌¹
2026-08-25 00:00:00

 642

 11

#目标跟踪 #人工智能 #计算机视觉 +1
YOLOv9【第八章：模型导出、部署与加速篇·第12节】YOLOv9 ROS/ROS2 机器人部署：摄像头话题到检测结果！

🏆 本文收录于《YOLOv9实战：从入门到深度优化》专栏。该专栏系统复现并深度梳理全网主流 YOLOv9 改进方法与工程实战案例，覆盖分类、目标检测、实例分割、多目标追踪、关键点检测、旋转目标检测等多个方向，坚持持续更新 + 深度解析 + 工程验证。

bug菌¹
2026-08-22 12:00:00

 78

 1

#目标跟踪 #人工智能 #计算机视觉
YOLO深海探测作业海洋生物目标检测数据集-7666张

YOLO深海探测作业海洋生物目标检测数据集专为深海环境下的目标检测任务设计，结合其名称与类别特征可推断，该数据集主要用于水下机器人、无人潜航器等设备在深海探测过程中对特定海洋生物的识别与跟踪。数据集的应用场景可能包括生态监测、海底资源勘探及深海考古等领域，尤其适用于需要高精度实时检测的自动化系统。通过该数据集训练的模型能够辅助科研人员更高效地分析深海生物分布与行为模式，提升水下作业的智能化水平。

guo_xiao_xiao_
2026-08-22 08:27:12

 190

 5

#目标检测 #目标跟踪
YOLO室内家居与户外自然环境多目标检测数据集-8257张

YOLO室内家居与户外自然环境多目标检测数据集是一个面向实际场景的通用目标检测数据集，其名称暗示了该数据集覆盖了室内和户外两种典型环境。从类别名称推测，数据集可能包含如家具、家电、人、车辆、植物、建筑结构等常见对象，适用于智能家庭、安防监控、机器人导航、增强现实等多个领域。该数据集的设计初衷可能是为了支持跨场景的目标检测任务，提升模型在复杂环境下的泛化能力，尤其适合需要同时处理室内与户外图像的应用

 guo_xiao_xiao_
2026-08-21 22:04:21

 151

 2

#目标检测 #目标跟踪
YOLO医疗影像实战：细胞检测与病灶识别的全栈开发与精度优化

医疗影像是YOLO落地价值非常高的垂直领域，但也是对细节要求最苛刻的场景之一。从窗宽窗位的调整、锚框的重新聚类，到小目标检测层的添加、损失函数的优化，再到后处理的先验过滤，每一个细节都在影响最终的临床效果。它考验的不只是算法能力，更是对医疗场景的理解和对细节的把控。不要指望拿通用模型改改输入就能达到临床可用，沉下心把数据处理好、把结构改到位、把训练策略做扎实，一步一步优化，才能真正做出有实用价值的

 shanwei_spider
2026-08-21 18:00:00

 621

 8

#目标跟踪 #人工智能 #python +2
引言：泛化能力成为人形机器人产业化的核心技术约束

王兴兴在WRC2026演讲中的技术判断逻辑清晰：人形机器人要从实验室走向大规模产业化部署，泛化能力是必须突破的核心技术瓶颈；而泛化能力的提升，在根本上取决于训练数据的规模、多样性和质量。这已经超越了单一的算法或硬件优化问题，成为一个涉及数据基础设施建设的系统性技术挑战。当行业领先企业明确将最大技术资源投入AI模型研发、当全球出货量已达数万台级别、当半年融资超过935亿元，技术竞争的关键变量正在从硬

 ok_vince
2026-08-20 15:55:39

 160

 5

#目标跟踪 #人工智能 #计算机视觉
YOLO户外垃圾分拣场景中可回收与不可回收物目标检测数据集-10312张

该数据集专为户外垃圾分拣场景设计，适用于智能垃圾分类、环境监测及自动化回收系统等实际应用。从名称和类别可推断，该数据集主要聚焦于城市或公共场所中的垃圾识别与分类任务，涵盖常见的可回收物与不可回收物，如塑料瓶、易拉罐、纸张、果皮、烟头、玻璃瓶和金属制品等。此类数据集可广泛应用于智能垃圾桶、环卫机器人、城市清洁管理平台等场景，为实现高效、精准的垃圾分拣提供数据支持。数据集包含10312张图片，覆盖7种

 guo_xiao_xiao_
2026-08-19 14:28:29

 350

 1

#目标检测 #目标跟踪
YOLO室内训练场橙色环形训练圈目标检测数据集-156张

该数据集名称为“YOLO室内训练场橙色环形训练圈目标检测数据集”，从名称可推断其主要用于室内环境中对特定目标进行检测任务。结合“橙色环形训练圈”这一描述，可以推测该数据集可能服务于体育训练、机器人导航或自动化设备测试等场景。在这些应用中，检测系统需要准确识别出一个具有明确颜色和形状特征的目标，以实现定位、追踪或交互功能。此数据集适合用于验证和优化基于YOLO的实时目标检测模型在特定环境下的性能。数

 guo_xiao_xiao_
2026-08-18 00:05:15

 165

 8

#目标检测 #目标跟踪
YOLO住宅区街道垃圾桶目标检测数据集-708张

YOLO住宅区街道垃圾桶目标检测数据集聚焦于城市环境中常见的垃圾收集设施，旨在为智能城市管理、环境监控及自动化巡检提供基础数据支持。该数据集适用于需要识别和定位住宅区内垃圾桶位置的场景，如环卫机器人路径规划、智能垃圾分类系统开发以及城市基础设施管理平台构建。通过该数据集，可训练高效的检测模型，提升对复杂环境下垃圾桶的识别准确率与响应速度，具有较强的实用价值。数据集包含708张图像，覆盖多种光照条件

 guo_xiao_xiao_
2026-08-16 11:19:00

 25

#目标检测 #目标跟踪
YOLO户外垃圾分拣场景中可回收与不可回收物目标检测数据集-10312张

该数据集专为户外垃圾分拣场景设计，适用于智能垃圾分类、环境监测及自动化回收系统等实际应用。从名称和类别可推断，该数据集主要聚焦于城市或公共场所中的垃圾识别与分类任务，涵盖常见的可回收物与不可回收物，如塑料瓶、易拉罐、纸张、果皮、烟头、玻璃瓶和金属制品等。此类数据集可广泛应用于智能垃圾桶、环卫机器人、城市清洁管理平台等场景，为实现高效、精准的垃圾分拣提供数据支持。数据集包含10312张图片，覆盖7种

 guo_xiao_xiao_
2026-08-14 19:49:20

 556

#目标检测 #目标跟踪
YOLO工业实验室机械臂夹爪与底座目标检测数据集-681张

该数据集名称为“YOLO工业实验室机械臂夹爪与底座目标检测数据集”，从名称可推断其主要用于工业自动化场景中的机械臂相关目标识别任务。数据集聚焦于机械臂系统中关键部件的检测，包括夹爪和底座等核心组件，适用于智能制造、机器人视觉引导、自动化装配等工业领域。在实际应用中，该数据集可用于训练模型以实现对机械臂操作过程中的关键部件进行实时定位与识别，从而提升设备运行的精准度与安全性。此外，也可作为工业视觉算

 guo_xiao_xiao_
2026-08-11 07:51:36

 318

 5

#目标检测 #目标跟踪
具身智能与 VLA 架构解析：多模态世界模型（NSP）在工业场景的落地实践

VLA 解决了视觉、语言与动作之间的统一表达问题，NSP 世界模型则补上了“动作执行后会发生什么”的物理推演能力。二者结合后，机器人控制不再只是被动模仿演示轨迹，而是能够在潜空间中评估候选动作、预测接触结果，并依据风险重新规划。延迟：高层模型与实时控制周期之间存在数量级差距。安全性：概率模型必须受到确定性安全约束和接管机制保护。边缘算力：模型规模必须服从产线功耗、成本和维护条件。

puthon123
2026-08-05 09:05:46

 361

 5

#架构 #目标跟踪 #人工智能
面向逻辑思维的程序设计方法概论

本文提出面向逻辑思维的程序设计方法（LOPD），以七层分析模型为核心框架，将智能系统划分为基因层、肢体层、感觉层、神经层、个体层、社会层和文明层。该研究通过形式化定义和定理证明建立了LOPD的数学基础，并提供了工程实现模板。实验表明，LOPD在类人机器人开发中显著降低了系统耦合度（47.3%）、代码侵入量（76%）和开发时间（44.4%）。研究还提出了"冯胤清测试"作为智能系统逻辑完备性的评估框架

 peak918
2026-08-03 07:31:13

 406

 7

#聚类 #分类 #目标跟踪 +3
2026 扑克牌识别 API 实战：AI算牌器开发完整方案（支持A-K、大小王、花色识别）

本文介绍了基于深度学习的扑克牌识别API，该技术可准确识别牌值、花色及位置坐标，支持多张扑克牌同时检测。API返回结构化数据（包括牌值、花色、坐标和置信度），适用于AI算牌器、棋牌机器人等场景。文章详细说明了API功能特点、调用方法（提供Python/Java/PHP示例）及提升识别效果的建议，并推荐石榴智能平台提供免费体验和完整开发文档。该API相比传统识别方法具有更高准确率，能有效降低开发成本

 weixin_40809967
2026-07-31 10:03:55

 287

 9

#目标跟踪 #计算机视觉
智能图像标注工具-Moonlight-Intelligent-Annotation-System

开发目的：AI辅助图像标注工具，通过智能算法提升标注效率，减少人工操作，确保标注质量与一致性。面向领域／行业：计算机视觉自动驾驶医疗影像分析遥感图像分析工业质检安防监控智能零售教育培训主要功能：Moonlight智能图像标注系统通过以上核心特色，成功地将先进的AI技术与人性化的交互设计相结合，为计算机视觉领域的数据标注工作提供了高效、精准、易用的解决方案，有效降低了AI应用开发的数据

 念891
2025-12-11 10:47:13

 512

 6

#python #人工智能 #计算机视觉 +4
WAIC 2026收官总结｜世界人工智能大会2026释放三大确定性AI行业趋势，长三角成产业落地核心承载区

WAIC2026（世界人工智能大会）在上海落幕，标志着AI产业进入高质量发展新阶段。大会呈现三大核心趋势：1. 竞争逻辑从技术比拼转向产业落地价值，垂直领域大模型成为主流；2. 国产算力强势崛起，全栈自研解决方案实现规模化商用；3. 智能形态升级，虚拟智能体与实体具身智能双线并行。上海及长三角地区依托完整产业链和顶尖科创资源，巩固了全国AI核心承载区地位。大会显示AI技术已深度融入实体经济，落地价


2026-07-23 12:35:23

 296

 7

#microsoft #大数据 #人工智能 +4
[具身智能-566]：RDK OS 3.x（RDK X5）全版本功能对比表

底层系统基准：Ubuntu 22.04；重点关联你遇到的问题。表格RDK X5 第一个正式镜像；基础 VIO/MIPI 采集、BPU 推理、pyeasy_dnn 初代接口、TogetheROS.Bot 基础集成修复 MIPI 相机随机断流、BPU 内存泄漏；优化编码器帧率稳定性；修复 V4L2 控制参数 bug新增多路相机同步采集示例；优化 hbmem 零拷贝 Python 接口；升级模型库 YO

文火冰糖的硅基工坊
2026-07-16 22:13:41

 261

 2

#目标跟踪 #目标检测 #python +1
[具身智能-561]：通俗完整解读这份地平线 RDK FCOS 目标检测 Python Demo

打开 USB 摄像头 → 取画面 → 缩放成 512×512 → BGR 转 NV12 格式 →交给 BPU 跑 FCOS 检测→调用底层 C 库解析检测框→在原图画上框、类别、置信度 → NV12 送 HDMI 屏幕实时显示，并打印 FPS。重点：后处理不在 Python 写，而是调用系统自带动态库，Python 只负责封装结构体、传指针。模型强制输入 NV12不要传入 RGB/BGR 直接推理

 文火冰糖的硅基工坊
2026-07-16 07:01:12

 174

 5

#目标检测 #python #目标跟踪
MATLAB实战（13）：基于高斯过程的三维扩展目标跟踪与形状学习：算法剖析与MATLAB实现

本文提出了一种基于高斯过程的扩展目标跟踪方法，用于估计动态目标的运动状态和三维形状。该方法利用高斯过程对目标的星形凸表面进行非参数化建模，通过径向函数描述形状，无需预设几何模板。状态空间模型结合了线性运动、旋转动力学和形状动态，支持在线自适应学习复杂形状。文中详细推导了数学公式，并提供了两种三维扩展方案的MATLAB实现，适用于自动驾驶和机器人导航等场景。仿真结果表明，该方法能有效跟踪未知形状目标

 鸿州
2026-07-09 15:06:56

 334

 6

#matlab #目标跟踪 #学习
目标检测数据集第053期-基于yolo标注格式的蘑菇检测数据集(含免费分享)

一方面，蘑菇种类繁多，不同种类的形态、颜色、纹理差异大，且生长环境多样（如森林、农田、人工培育大棚等），全面采集不同种类、不同场景下的蘑菇图像难度高；通过在大棚内部署摄像头，结合基于数据集训练的检测模型，系统能实时监测蘑菇的生长状态（如生长阶段、密度），统计蘑菇数量，判断是否存在病虫害导致的异常形态。设备能快速检测原料中的蘑菇，区分不同种类的蘑菇（如香菇、平菇、金针菇等），同时识别腐烂、畸形的蘑菇

 畅想未来2020
2025-10-15 10:15:00

 1355

 23

#目标检测 #目标跟踪 #算法 +2
目标检测数据集第047期-基于yolo标注格式的头盔目标检测数据集(含免费分享)

科研人员可基于此数据集，开展针对 “小目标识别”（头盔在图像中占比可能较小）、“复杂背景下分类”（如校园人流密集场景）的算法优化，对比不同 YOLO 模型（如 YOLOv5、YOLOv8）在头盔检测任务中的准确率、速度表现，进而提出更高效的目标检测方案，推动相关技术的发展。数据集聚焦真实生活场景，涵盖了 “佩戴头盔” 与 “未佩戴头盔” 两类核心情况，填补了部分场景下头盔识别数据资源的空白，旨在为

 畅想未来2020
2025-10-02 08:45:00

 971

 27

#目标检测 #人工智能 #计算机视觉 +1
yolo v8.3.146重磅发布！首度支持灰度图目标检测，COCO8-Grayscale数据集全方位解读！

针对这一趋势，Ultralytics团队在最新版YOLO v8.3.146中隆重推出了“灰度图目标检测”完整支持，极大地拓展了YOLO系列的应用边界，助力用户在更多灰度场景中实现高效精准的目标识别。YOLO v8.3.146于2025年5月28日发布，本次更新以“全方位支持灰度图目标检测”为目标，突出发布了全新的COCO8-Grayscale数据集，以及专用于灰度图的YOLO11n型号模型。同时，

福大大架构师每日一题
2025-05-29 07:41:22

 1301

 21

#目标检测 #目标跟踪
【雷达】调频连续波雷达多运动目标检测（Matlab代码实现）

FMCW雷达多运动目标检测技术已在高精度测距测速、动态环境适应性和多目标分离等方面取得显著进展，但仍需在算法效率、复杂场景鲁棒性和硬件优化上进一步突破。随着深度学习与新型信号处理技术的结合，未来有望在自动驾驶、智能安防等领域实现更广泛的应用。📚2 运行结果clear all;close all;x=cube;endL=1./L;end🎉3参考文献。

@橘柑橙柠桔柚
2025-05-01 11:05:58

 1118

 11

#目标检测 #matlab #目标跟踪
基于改进YOLOv8的多目标检测系统

本文提出了一种改进的YOLOv8多目标检测系统，通过引入CBAM注意力机制和多尺度特征融合模块，显著提升了检测精度。系统在VOC2007数据集上训练100个epoch后，达到73.8%的mAP@0.5。同时集成了基于卡尔曼滤波的多目标追踪模块，支持标准滤波和自适应滤波两种模式。实验结果表明，该系统在检测精度和追踪稳定性方面均有明显提升，同时保持了实时处理能力。系统采用模块化设计，提供多种运行模式，

m0_73814416
2026-06-01 13:59:09

 507

 14

#目标跟踪 #人工智能 #计算机视觉 +2
基于帧间差分法的运动目标检测

基于帧间差分法的运动目标检测是计算机视觉中一种经典、计算简单的运动检测方法

 fengfuyao985
2025-12-24 16:17:42

 679

 22

#目标检测 #目标跟踪 #人工智能
超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测

以瓶盖检测为例,使用yolov5训练自己的数据集模型,并使用该模型进行目标检测

 一颗大青柠O
2024-05-19 12:06:06

 9431

 56

#目标检测 #目标跟踪 #python +1
基于openpose实现的AI篮球投篮分析与投篮姿势的机器学习应用

🏀这是一个基于人工智能的应用程序，专注于来分析篮球投篮。该应用程序允许用户上传篮球视频进行分析，或向API提交。结果包括基于目标检测数据的详细投篮和姿势分析。该项目利用来计算身体关键点和其他指标。

FL1623863129
2026-03-08 19:47:11

 395

 5

#目标跟踪 #人工智能 #计算机视觉
基于深度学习的无人机检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

YOLOv10无人机识别检测系统是一个基于YOLOv10（You Only Look Once version 10）目标检测算法的智能系统，专门用于检测和识别无人机（drone）。该系统能够自动识别并定位无人机，适用于空域监控、无人机管理、安防监控等场景。通过该系统，用户可以实时检测无人机的存在和位置，帮助维护空域安全、防止非法无人机入侵，并为无人机管理提供技术支持。

算法魔法师
2025-12-21 21:16:45

 898

 28

#深度学习 #无人机 #目标跟踪 +2
目标检测PASCAL_VOC数据集简介

PASCAL VOC挑战赛包含分类、检测、分割等任务，主要使用VOC2007和2012数据集，涵盖20个物体类别。数据集组织包括图像、标注文件及训练/测试划分。目标检测常用组合包括07+12、07++12等，采用mAP作为评估指标。提交格式分为分类和检测任务，分别输出类别分数和检测框坐标。数据集标注采用XML格式，包含物体类别、边界框等信息。

ASF1231415sd
2025-10-09 21:49:52

 470

 3

#目标检测 #目标跟踪 #人工智能
【完整源码+数据集+部署教程】X光胸片器官图像分割系统源码＆数据集分享 [yolov8-seg-C2f-DAttention＆yolov8-seg-RepHGNetV2等50+全套改进创新点发刊_一

【完整源码+数据集+部署教程】X光胸片器官图像分割系统源码＆数据集分享[yolov8-seg-C2f-DAttention＆yolov8-seg-RepHGNetV2等50+全套改进创新点发刊_一

 飞翔的佩奇
2025-10-20 14:33:55

 948

 9

#目标跟踪 #计算机视觉 #python
毕业设计神器！YOLOv8实战指南带你轻松搞定目标检测

YOLOv8作为单阶段目标检测算法，通过优化网络结构和引入创新技术，显著提升了检测效率和精度。其核心架构包括Backbone、Neck和Head三部分，采用CSPNet结构增强特征提取能力，计算效率较YOLOv5提升约15%。关键改进包括Anchor-free预测机制、动态标签分配策略和改进的损失函数设计，特别是新增的DistributionFocalLoss有效提升了小目标检测精度。YOLOv8

Gupao123
2025-05-13 10:07:54

 969

 17

#目标检测 #目标跟踪 #人工智能 +3
智慧交通之高速公路识别数据集公路小目标检测检测数据集交通规划目标检测数据集 yolo图像识别数据集小目标检测识别数据集数据集第10189期

智慧交通之高速公路识别数据集公路小目标检测检测数据集交通规划目标检测数据集 yolo图像识别数据集小目标检测识别数据集数据集第10189期

 QQ67658008
2026-04-26 14:34:24

 94

 1

#目标检测 #目标跟踪