懂AI
Deep-Learning-for-Tracking-and-Detection

Deep-Learning-for-Tracking-and-Detection

使用深度学习进行对象检测和跟踪的论文与资源合集

本项目汇集了有关深度学习在对象检测和跟踪领域的论文、数据集、代码及各种资源。内容涵盖静态检测、视频检测、多对象跟踪和单对象跟踪等主题，并提供了多种经典模型如RCNN、YOLO、SSD的实现和改进方案。此外，项目还涵盖了图像和视频分割、光流、运动预测等任务的资源，为研究人员和开发者提供了详尽的参考资料。

object detectiondeep learningYOLORCNNmulti object trackingGithub开源项目
GitHub论文

论文、数据集、代码和其他资源，使用深度学习进行目标检测和跟踪的集合

研究数据

我使用 DavidRM Journal 管理我的研究数据，因为它有出色的分层组织、交叉链接和标记功能。

我提供了一份日记条目导出文件，其中包含我在过去几年里收集的关于计算机视觉和深度学习的论文、文章、教程、代码和笔记的分类集合。

这是主题云的样子： Alt text

它需要 Jounal 8 并可由以下步骤导入：

  • 使用 File -> Import -> Import User Preferences 导入我的用户偏好
  • 使用 File -> Import -> Sync from The Journal Export File 导入研究数据

注意，必须在导入研究数据之前导入我的用户偏好，才能使标记的主题正常工作。

（可选）我的全局选项文件也提供给那些对暗主题感兴趣的人，可以通过 File -> Import -> Import Global Options 导入

更新日期：2023-11-22

论文

静态检测

区域提议

  • 使用深度神经网络的可扩展目标检测 [cvpr14] [pdf] [notes]
  • 用于目标识别的选择性搜索 [ijcv2013] [pdf] [notes]

RCNN

YOLO

SSD

<a id="retinanet_"></a>

RetinaNet

  • 用于目标检测的特征金字塔网络 [ax1704] [pdf] [notes]
  • 用于密集对象检测的焦点损失 [ax180207/iccv17] [pdf] [notes]

<a id="anchor_free_"></a>

无锚检测器

<a id="mis_c_"></a>

杂项

  • OverFeat 使用卷积网络进行集成识别、定位和检测 [ax1402/iclr14] [pdf] [notes]
  • LSDA 通过适应进行大规模检测 [ax1411/nips14] [pdf] [notes]
  • 获取局部化置信度以进行准确目标检测 [ax1807/eccv18] [pdf] [notes] [code]
  • EfficientDet: 可扩展且高效的目标检测 [cvpr20] [pdf]
  • Generalized Intersection over Union: 一个用于边框回归的度量和损失函数 [ax1902/cvpr19] [pdf] [notes] [code] [project]

<a id="video_detectio_n_"></a>

视频检测

<a id="tubelet_"></a>

Tubelet

  • 通过卷积神经网络从视频Tubelet中检测目标 [cvpr16] [pdf] [notes]
  • 使用Tubelet建议网络进行视频中的目标检测 [ax1704/cvpr17] [pdf] [notes]

<a id="fgf_a_"></a>

FGFA

  • 用于视频识别的深度特征流 [cvpr17] [微软研究] [pdf] [arxiv] [code]
  • 用于视频目标检测的流引导特征聚合 [ax1708/iccv17] [pdf] [notes]
  • 迈向高性能视频目标检测 [ax1711] [微软] [pdf] [notes]

<a id="rnn_"></a>

RNN

  • 使用关联LSTM进行在线视频目标检测 [iccv17] [pdf] [notes]
  • 情景很重要：使用循环神经网络优化视频中的目标检测 [bmvc16] [pdf] [notes]

<a id="multi_object_tracking_"></a>

多目标跟踪

<a id="joint_detection_"></a>

联合检测

<a id="identity_embeddin_g_"></a>

身份嵌入

关联

深度学习

  • 使用基于CNN的单目标跟踪器和时空注意力机制的在线多目标跟踪 [ax1708/iccv17] [pdf] [arxiv] [notes]

  • 使用双匹配注意网络的在线多目标跟踪 [ax1902/eccv18] [pdf] [arxiv] [notes] [code]

  • FAMNet 联合学习特征、亲和度和多维分配用于在线多目标跟踪 [iccv19] [pdf] [notes]

  • 利用连接性：使用TrackletNet进行多目标跟踪 [ax1811/mm19] [pdf] [notes]

  • 无花哨功能的跟踪 [ax1903/iccv19] [pdf] [notes] [code] [pytorch]

RNN

  • 追踪不可追踪的目标：学习使用长期依赖追踪多个线索 [ax1704/iccv17] [Stanford] [pdf] [notes] [arxiv] [project],

  • 使用双线性LSTM和神经门控进行多目标跟踪 [eccv18] [pdf] [notes]

  • 在多目标跟踪中消除暴露偏差和度量不匹配 [cvpr19] [pdf] [notes] [code]

无监督学习

  • 通过深度学习Tracklet关联进行无监督人员重新识别 [ax1809/eccv18] [pdf] [notes]

  • 通过动画跟踪：多目标注意跟踪器的无监督学习 [ax1809/cvpr19] [pdf] [arxiv] [notes] [code]

  • 简单的无监督多目标跟踪 [ax2006] [pdf] [notes]

强化学习

网络流

图优化

  • 用于联合分割和多目标跟踪的多切割公式 [ax1607] [highest MT on MOT2015] [University of Freiburg, Germany] [pdf] [arxiv] [author] [notes] <a id="baselin_e_"></a>

基线

<a id="metrics_"></a>

评估指标

<a id="single_object_tracking_"></a>

单目标跟踪

<a id="reinforcement_learning__1"></a>

强化学习

<a id="siamese_"></a>

Siamese

<a id="correlation_"></a>

相关性

<a id="mis_c__1"></a>

其它

  • 弥合检测与跟踪之间的差距：一种统一的方法 [iccv19] [pdf] [笔记]

<a id="deep_learning__1"></a>

深度学习

<a id="synthetic_gradient_s_"></a>

合成梯度

<a id="efficient_"></a>

高效

  • EfficientNet:对卷积神经网络的模型缩放重新思考 [icml2019] [pdf] [笔记]

<a id="unsupervised_learning__1"></a>

无监督学习

<a id="interpolation_"></a>

插值

<a id="autoencoder_"></a>

自编码器

<a id="variational_"></a>

变分

<a id="dataset_s_"></a>

数据集

<a id="multi_object_tracking__1"></a>

多目标跟踪

<a id="uav_"></a>

无人机

<a id="synthetic_"></a>

合成

<a id="microscopy___cell_tracking_"></a>

显微镜 / 细胞跟踪

<a id="single_object_tracking__1"></a>

单对象跟踪

<a id="video_detectio_n__1"></a>

视频检测

<a id="video_understanding___activity_recognitio_n_"></a>

视频理解 / 活动识别

<a id="static_detectio_n__1"></a>

静态检测

<a id="animals_"></a>

动物

<a id="boundary_detectio_n_"></a>

边界检测

<a id="static_segmentation_"></a>

静态分割

<a id="video_segmentation_"></a>

视频分割

<a id="classificatio_n_"></a>

分类

<a id="optical_flow_"></a>

光流

<a id="motion_prediction_"></a>

运动预测

<a id="cod_e_"></a>

代码

<a id="general_vision_"></a>

通用视觉

<a id="multi_object_tracking__2"></a>

多对象跟踪

<a id="framework_s_"></a>

框架

通用

<a id="baselin_e__1"></a>

基准

<a id="siamese__1"></a>

Siamese

<a id="unsupervise_d_"></a>

无监督

<a id="re_id_"></a>

Re-ID

<a id="framework_s__1"></a>

框架

<a id="graph_nn_"></a>

图神经网络

<a id="microscopy___cell_tracking__1"></a>

显微镜 / 细胞追踪

<a id="3_d_"></a>

3D

<a id="metrics__1"></a>

评测

单目标追踪

GUI应用 / 大规模追踪 / 动物

视频检测

动作检测

框架

静态检测和匹配

框架

区域提案

FPN

RCNN

SSD

RetinaNet

YOLO

Anchor Free

Misc

Matching

Boundary Detection

Text Detection

框架

3D Detection

框架

Optical Flow

框架

Instance Segmentation

框架

语义分割

<a id="framework_s__8"></a>

框架

<a id="polyp_"></a>

息肉分割

<a id="panoptic_segmentation_"></a>

全景分割

<a id="video_segmentation__1"></a>

视频分割

<a id="panoptic_video_segmentation_"></a>

全景视频分割

<a id="motion_prediction__1"></a>

运动预测

<a id="pose_estimation_"></a>

姿态估计

<a id="framework_s__9"></a>

框架

<a id="autoencoder_s_"></a>

自动编码器

<a id="classificatio_n__1"></a>

分类

<a id="framework_s__10"></a>

框架

<a id="deep_rl_"></a>

深度强化学习

<a id="annotatio_n_"></a>

标注

<a id="editing_"></a>

编辑

<a id="augmentatio_n_"></a>

增强

<a id="deep_learning__2"></a>

深度学习

<a id="class_imbalanc_e_"></a>

类别不平衡

<a id="few_shot_learning_"></a>

小样本学习

<a id="unsupervised_learning__2"></a>

无监督学习

<a id="collections_"></a>

集锦

<a id="dataset_s__1"></a>

数据集

<a id="deep_learning__3"></a>

深度学习

<a id="static_detectio_n__2"></a>

静态检测

<a id="video_detectio_n__3"></a>

视频检测

<a id="single_object_tracking__3"></a>

单目标跟踪

<a id="multi_object_tracking__3"></a>

多目标跟踪

<a id="static_segmentation__1"></a>

静态分割

<a id="video_segmentation__2"></a>

视频分割

<a id="motion_prediction__2"></a>

运动预测

<a id="deep_compressed_sensin_g_"></a>

深度压缩感知

<a id="mis_c__3"></a>

其他

<a id="tutorials_"></a>

教程

<a id="collections__1"></a>

合辑

<a id="multi_object_tracking__4"></a>

多目标跟踪

<a id="static_detectio_n__3"></a>

静态检测

<a id="video_detectio_n__4"></a>

视频检测

<a id="instance_segmentation__1"></a>

实例分割

<a id="deep_learning__4"></a>

深度学习

<a id="optimizatio_n_"></a>

优化

<a id="class_imbalanc_e__1"></a>

类不平衡

<a id="rnn__2"></a>

循环神经网络（RNN）

<a id="deep_rl__1"></a>

深度强化学习（Deep RL）

<a id="autoencoder_s__1"></a>

自动编码器（Autoencoders）

<a id="blogs_"></a>

博客

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

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。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案，助力品牌曝光

稳定高效的流量提升解决方案，助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用，一键生成无水印视频

最新版Sora2模型免费使用，一键生成无水印视频

下拉加载更多