VIP20

本课程属于：032-目标跟踪 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

目标跟踪系统化能力进阶

📚 共计 30 章节

目标跟踪概述

什么是目标跟踪 · 应用场景（安防、自动驾驶、体育分析）· 挑战（遮挡、形变、光照变化、背景杂乱）

基础概念场景

目标跟踪基础

目标表示（点、框、轮廓、骨架）· 特征提取（颜色直方图、HOG、LBP、深度特征）· 相似度度量

经典跟踪算法（一）

均值漂移 Mean Shift 算法原理、实现步骤、优缺点分析

Mean Shift经典

经典跟踪算法（二）

CamShift 算法原理、与 Mean Shift 区别、应用场景

CamShift自适应

经典跟踪算法（三）

光流法 Lucas-Kanade 原理、金字塔光流、稀疏与稠密光流

经典跟踪算法（四）

卡尔曼滤波 Kalman Filter 原理、状态预测与更新、跟踪应用

卡尔曼预测

经典跟踪算法（五）

粒子滤波 Particle Filter 原理、重要性采样、重采样、与卡尔曼对比

粒子滤波非参数

相关滤波跟踪（一）

MOSSE 算法原理、最小均方误差滤波、相关响应图

MOSSE相关滤波

相关滤波跟踪（二）

CSK 算法、循环矩阵与核技巧、快速计算

相关滤波跟踪（三）

KCF 算法原理、多通道特征 (HOG)、核相关滤波、尺度估计

相关滤波跟踪（四）

DSST 算法、判别式尺度空间跟踪、尺度自适应

相关滤波跟踪（五）

ECO 算法、因式分解卷积、生成样本空间、高效卷积

深度学习跟踪（一）

Siamese 网络基础、孪生网络结构、相似性学习

深度学习跟踪（二）

SiamFC 算法、全卷积孪生网络、互相关、端到端训练

SiamFC全卷积

深度学习跟踪（三）

SiamRPN 算法、区域提议网络、锚点机制、分类与回归

深度学习跟踪（四）

SiamMask 算法、实例分割+跟踪、二值掩码预测

深度学习跟踪（五）

SiamRPN++ 算法、ResNet骨干、层级特征融合、打破平移不变性

SiamRPN++ResNet

深度学习跟踪（六）

DiMP 算法、元学习与模型预测、目标估计网络、在线更新

深度学习跟踪（七）

TransT 算法、Transformer架构、自注意力与交叉注意力、特征融合

TransTTransformer

深度学习跟踪（八）

MixFormer 算法、混合注意力模块、异步混合、端到端跟踪

MixFormer注意力

深度学习跟踪（九）

OSTrack 算法、单流Transformer、桥接特征提取与融合

多目标跟踪 (MOT) 基础

MOT定义、评价指标 (MOTA、IDF1、HOTA)、数据集 (MOT17、MOT20)

MOT 经典方法

SORT 算法、卡尔曼滤波+匈牙利匹配、简单高效

MOT 进阶方法

DeepSORT 算法、外观特征提取、级联匹配、马氏距离与余弦距离

MOT 端到端方法

FairMOT 算法、Anchor-Free检测、Re-ID联合学习、多任务损失

FairMOTAnchor-Free

MOT Transformer方法

TrackFormer 算法、查询机制、轨迹初始化与终止

TrackFormer查询

MOT 最新进展

ByteTrack 算法、BYTE数据关联、低分检测框利用、简单有效

单目标跟踪实战（一）

数据集准备 (OTB100、VOT、LaSOT)、数据加载与预处理、评估协议

数据集评估

单目标跟踪实战（二）

基于PyTorch实现SiamFC、训练脚本、损失函数、性能评估

多目标跟踪实战

基于PyTorch实现ByteTrack、检测器YOLOX、数据关联、可视化