本资源为YOLOv3目标检测算法的PyTorch实现（出处：https://github.com/ayooshkathuria/pytorch-yolo-v3），本压缩包中包含了240MB的预训练网络文件，方便难以访问国外服务器的同学下载。
2025/9/12 14:12:34
222.07MB
1
据我目前了解掌握，多目标跟踪大概有两种方式：基于初始化帧的跟踪，在视频第一帧中选择你的目标，之后交给跟踪算法去实现目标的跟踪。
这种方式基本上只能跟踪你第一帧选中的目标，如果后续帧中出现了新的物体目标，算法是跟踪不到的。
这种方式的优点是速度相对较快。
缺点很明显，不能跟踪新出现的目标。
基于目标检测的跟踪，在视频每帧中先检测出来所有感兴趣的目标物体，然后将其与前一帧中检测出来的目标进行关联来实现跟踪的效果。
这种方式的优点是可以在整个视频中跟踪随时出现的新目标，当然这种方式要求你前提得有一个好的“目标检测”算法。
本文主要讲述Option2的实现原理，也就是TrackingByDetecting的跟踪方
这种方式基本上只能跟踪你第一帧选中的目标，如果后续帧中出现了新的物体目标，算法是跟踪不到的。
这种方式的优点是速度相对较快。
缺点很明显，不能跟踪新出现的目标。
基于目标检测的跟踪，在视频每帧中先检测出来所有感兴趣的目标物体，然后将其与前一帧中检测出来的目标进行关联来实现跟踪的效果。
这种方式的优点是可以在整个视频中跟踪随时出现的新目标，当然这种方式要求你前提得有一个好的“目标检测”算法。
本文主要讲述Option2的实现原理，也就是TrackingByDetecting的跟踪方
2025/8/31 11:54:48
275KB
1
本人对于近几年目标检测方向收集的一些模型和论文，包括有两个源码。
yolov123,RCNN到fasterRCNN,SSD,MASKRCNN等
yolov123,RCNN到fasterRCNN,SSD,MASKRCNN等
61.26MB
1
MATLAB仿真高速目标检测-基于keystone变换的微弱目标检测.pdf高速目标检测具有跨距离走动，不易相参积累，而相参积累时间内,目标的距离走动不能超过半个距离单元，对于高距离分辨雷达或观测高速目标的雷达系统,这种限制是很难满足的。
于keystone变换的运动补偿方案,可以在没有目标运动速度信息条件下校正距离走动,从而使积累时间不再受目标运动的限制。
怎样仿真 在没有用keystone变化和变化后的 雷达回波波形？回波横坐标是：相对距离，纵坐标是幅度；
比如：例如,若雷达发射的信号带宽为150MHz,脉冲重复周期为100μs,发射的脉冲数目为63个,目标的径向速度为1000m/s,则相参积累的时间为613ms,在此期间目标运动了6.3m,跨越了6个距离分辨单元,的 图
于keystone变换的运动补偿方案,可以在没有目标运动速度信息条件下校正距离走动,从而使积累时间不再受目标运动的限制。
怎样仿真 在没有用keystone变化和变化后的 雷达回波波形？回波横坐标是：相对距离，纵坐标是幅度；
比如：例如,若雷达发射的信号带宽为150MHz,脉冲重复周期为100μs,发射的脉冲数目为63个,目标的径向速度为1000m/s,则相参积累的时间为613ms,在此期间目标运动了6.3m,跨越了6个距离分辨单元,的 图
2025/8/7 8:47:13
238KB
1
原来的代码是在jupyternotebook上运行，改为直接python运行，并且加入图片和视频中的目标检测
2025/7/21 14:56:02
97.77MB
1
WINDOWS上用VS2013实现基于码书的运动目标检测，检测了在会议厅中的运动目标，实现了目标跟踪和绘制目标轮廓的功能。
最后还有演示的ppt
最后还有演示的ppt
2025/7/19 11:14:19
14.27MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB