探讨了多假设跟踪算法（MHT）在多物体检测跟踪系统中的应用方式。该方法采用卡尔曼滤波算法实现跟踪轨迹假设，采用LAP算法实现数据关联，将预测和视频采集测量值结合得到最优跟踪轨迹。实验表明，该方法在实践中达到了较好的效果。

传感器技术及应用 看文本：非接触物体形状尺寸测量设计报告_曾翰霖组.docx 学习资料 复习资料 教学资源

太空中物体探测数据集 目标类别为太空中的碎片和飞行器 VOC标签格式

资源包含文件：论文word+源码及数据+项目截图 研究的意义在于探索脉冲神经网络在目标检测上的应用，目前主流的脉冲神经网络训练算法有直接BP训练、STDP无监督训练和训练好的ANN的转化，虽然训练算法众多，但是SNN仍然没有一套成熟的训练算法。比如在较大较深的网络训练中，面临着脉冲信号的编码问题、训练开销大等问题。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125620502

YOLOv6 主要在 BackBone、Neck、Head 以及训练策略等方面进行了诸多的改进： - 统一设计了更高效的 Backbone 和 Neck ：受到硬件感知神经网络设计思想的启发，基于 RepVGG style[4] 设计了可重参数化、更高效的骨干网络 EfficientRep Backbone 和 Rep-PAN Neck。 - 优化设计了更简洁有效的 Efficient Decoupled Head，在维持精度的同时，进一步降低了一般解耦头带来的额外延时开销。 - 在训练策略上，采用Anchor-free 无锚范式，同时辅以 SimOTA[2] 标签分配策略以及 SIoU[9] 边界框回归损失来进一步提高检测精度。 这个资料是Yolov6实战的资料，包含数据集和代码，开箱即用。

基于OpenGL三维物体建模方法的研究与实现，赵启升，李存华，使用OpenGL可以对读入的STL几何模型进行三维真实感渲染、视角变换、显示缩放、光照设置及鼠标拾取等。本文介绍了一种基于OpenGL的三维

适用于不变背景上的移动物体检测，包含一个测试视频集合和带可视化的matlab代码，包含最终检测到移动物体的标注

Python帧差法运动物体检测效果

Sydney Urban Objects Dataset悉尼城市物体数据集.gz

英文教材，讲解物体追踪的基础方法，涵盖面广。