YOLO Tracking项目v12.0.5版本发布:GSI技术显著提升多目标跟踪性能
YOLO Tracking是一个基于YOLO系列目标检测算法的多目标跟踪框架,它整合了当前最先进的多种跟踪方法实现。该项目通过将目标检测与目标跟踪相结合,为计算机视觉领域的研究人员和开发者提供了一个高效、灵活的多目标跟踪解决方案。
GSI技术引入带来的性能提升
在最新发布的v12.0.5版本中,项目团队重点引入了GSI(Global State Inference)技术,并在评估阶段进行了全面测试。GSI技术通过全局状态推理,显著提升了多目标跟踪的各项关键指标。
评估结果显示,在MOT17-50数据集上,所有主流跟踪方法在启用GSI后都获得了明显的性能提升:
- BoostTrack方法的HOTA指标提升了1.802个百分点,达到70.451
- DeepOCSort方法的HOTA指标提升了1.308个百分点,达到68.656
- OCSort方法的HOTA指标提升了1.596个百分点,达到68.037
各跟踪方法性能对比
本次评估涵盖了当前主流的五种跟踪算法,包括BoostTrack、BoTSORT、ByteTrack、DeepOCSort和OCSort。测试使用了YOLOX_X作为检测模型,OSNet_x1_0作为重识别模型,输入分辨率为320×320。
从评估结果可以看出:
-
性能指标:BoostTrack在HOTA和IDF1指标上表现最佳,分别达到70.451和83.654;而ByteTrack在MOTA指标上表现最好,达到79.783。
-
运行效率:ByteTrack和OCSort展现出极高的处理速度,分别达到1265FPS和1483FPS;而DeepOCSort由于结合了深度特征,速度相对较慢,为12FPS。
-
GSI效果:所有跟踪方法在启用GSI后都获得了0.8-1.8个百分点的HOTA提升,证明GSI技术能够有效改善跟踪性能。
技术实现细节
本次评估采用了严谨的实验设置:
- 检测模型:YOLOX_X(经过消融研究的优化版本)
- 重识别模型:OSNet_x1_0(在DukeMTMC-reID数据集上训练)
- 跟踪方法:ByteTrack作为基础跟踪策略
- 评估数据集:MOT17-50的训练集部分
- 硬件平台:使用苹果的MPS(Metal Performance Shaders)加速
值得注意的是,评估时仅针对"人"这一类目标(class 0)进行了跟踪,这是多目标跟踪领域最常见的应用场景。
实际应用建议
对于不同应用场景的开发者,可以根据需求选择合适的跟踪方法:
- 实时性要求高:优先考虑ByteTrack或OCSort,它们能提供超过1000FPS的处理速度。
- 跟踪精度优先:选择BoostTrack,它在各项指标上都表现优异。
- 平衡精度与速度:BoTSORT是一个不错的选择,它在保持46FPS的同时也提供了不错的跟踪质量。
- 需要重识别能力:DeepOCSort虽然速度较慢,但结合了深度特征,适合需要强重识别能力的场景。
随着GSI技术的引入,开发者现在可以通过简单的参数配置(--gsi True)来启用这一功能,轻松获得跟踪性能的提升。这一改进使得YOLO Tracking项目在多目标跟踪领域的竞争力进一步增强。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









