Awesome GitHub RepositoriesTracking Visualization

This project is a modular research toolkit designed for developing, training, and evaluating deep learning models for object detection, segmentation, and video instance tracking. It provides a flexible training engine that manages complex neural network execution, including distributed training, custom lifecycle hooks, and weight optimization. The framework is built around a hierarchical configuration system that allows users to define architectures, data pipelines, and training hyperparameters through composable, inheritable files. The project distinguishes itself through its highly modular

PaddleDetection is an object detection framework designed for the end-to-end development, training, and deployment of computer vision models. It provides a comprehensive library of modular neural network architectures and pipelines that support object detection, instance segmentation, and multi-object tracking tasks. The project distinguishes itself through a configuration-driven approach that decouples model components like backbones and heads, allowing for the flexible assembly of custom vision workflows. It incorporates advanced techniques such as anchor-free detection logic, joint detecti

DeepSORT एक रियल-टाइम मल्टी-ऑब्जेक्ट ट्रैकिंग फ़्रेमवर्क है जिसे वीडियो फ़्रेम में कई ऑब्जेक्ट्स की सुसंगत पहचान बनाए रखने के लिए डिज़ाइन किया गया है। यह वीडियो डेटा के अनुक्रम के माध्यम से ऑब्जेक्ट्स को ट्रैक करने के लिए मोशन डिस्क्रिप्टर्स के साथ डीप लर्निंग अपीयरेंस सुविधाओं को इंटीग्रेट करता है। सिस्टम व्यक्ति की पुन: पहचान (re-identification) के लिए उच्च-आयामी विज़ुअल डिस्क्रिप्टर्स उत्पन्न करने के लिए एक डीप कन्वेन्शनल न्यूरल नेटवर्क का उपयोग करता है। इन अपीयरेंस सुविधाओं को Kalman फ़िल्टरिंग के माध्यम से मोशन एस्टिमेशन के साथ जोड़ा जाता है और मौजूदा ट्रैक्स के साथ डिटेक्शन्स को बेहतर ढंग से जोड़ने के लिए हंगेरियन एल्गोरिदम का उपयोग करके हल किया जाता है। फ़्रेमवर्क में ऑब्जेक्ट लाइफसाइकिल को संभालने के लिए गेटिंग-आधारित एसोसिएशन फ़िल्टरिंग और स्टेट-आधारित ट्रैक प्रबंधन के लिए क्षमताएं शामिल हैं। यह वीडियो फ़्रेम पर ट्रैकिंग रिज़ल्ट्स को रेंडर करने और स्थापित बेंचमार्क के खिलाफ ट्रैकिंग प्रदर्शन का मूल्यांकन करने के लिए टूल्स भी प्रदान करता है।

Fast-F1 Formula 1 के लिए डिज़ाइन की गई एक Python डेटा लाइब्रेरी और टेलीमेट्री एनालाइज़र है। यह टाइमिंग डेटा, सत्र परिणाम और उच्च-आवृत्ति वाहन सेंसर मेट्रिक्स को पुनः प्राप्त करने और प्रोसेस करने के लिए एक प्रोग्रामेटिक API रैपर के रूप में कार्य करता है। प्रोजेक्ट मोटरस्पोर्ट प्रदर्शन बेंचमार्किंग और विज़ुअलाइज़ेशन के लिए विशेष टूल प्रदान करता है। यह वाहन टेलीमेट्री, जैसे गति ट्रेस और गियर शिफ्ट की तुलना को सक्षम बनाता है, और गति और कोने के ओवरले के साथ स्थानिक ट्रैक मैप उत्पन्न करता है। लाइब्रेरी डेटा पुनर्प्राप्ति और विश्लेषण क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें रेसिंग शेड्यूल, चैंपियनशिप स्टैंडिंग और सर्किट मेटाडेटा का निष्कर्षण शामिल है। यह लाइव रेस गतिविधि और रेस कंट्रोल संदेशों की निगरानी का समर्थन करती है, जबकि डेटा लोड करने के दौरान नेटवर्क अनुरोधों को कम करने के लिए लोकल डिस्क कैशिंग का उपयोग करती है।

Co-tracker is a PyTorch point tracking framework and dense point tracking model designed to map the motion of individual pixels throughout a video. It functions as a video pixel tracker that predicts point trajectories and visibility masks across sequences of video frames. The project includes a computer vision training pipeline that utilizes teacher-student knowledge distillation. This allows for the generation of pseudo-labels from unannotated real video data to fine-tune pre-trained models and reduce the gap between synthetic and real data environments. The framework provides capabilities

FairMOT एक मल्टी-ऑब्जेक्ट ट्रैकिंग फ्रेमवर्क और डीप लर्निंग मॉडल है जिसे वीडियो फ्रेम्स में कई संस्थाओं की पहचान करने और ट्रैक करने के लिए डिज़ाइन किया गया है। यह एक एकीकृत पाइपलाइन लागू करता है जो ऑब्जेक्ट डिटेक्शन और आइडेंटिटी री-आइडेंटिफिकेशन को एक सिंगल-स्टेज जॉइंट नेटवर्क में एकीकृत करता है। यह सिस्टम ऑब्जेक्ट सेंटर्स और बाउंडिंग बॉक्स आयामों की भविष्यवाणी करने के लिए एक एंकर-फ्री डिटेक्शन विधि का उपयोग करता है। यह री-आइडेंटिफिकेशन के लिए उच्च-आयामी एम्बेडिंग वेक्टर्स उत्पन्न करके और मोशन स्टेट प्रेडिक्शन के लिए Kalman फिल्टर का उपयोग करके लगातार फ्रेम्स में पहचान स्थिरता बनाए रखता है। यह फ्रेमवर्क कंप्यूटर विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है, जिसमें रीयल-टाइम ऑब्जेक्ट डिटेक्शन और ट्रैकलेट असाइनमेंट के लिए Hungarian एल्गोरिदम का उपयोग शामिल है। इसमें कस्टम इमेज डेटासेट्स पर मॉडल्स को प्रशिक्षित करने और ओवरलेड बाउंडिंग बॉक्स और पर्सिस्टेंट आइडेंटिफायर्स के साथ वीडियो विज़ुअलाइज़ेशन उत्पन्न करने के लिए यूटिलिटीज भी शामिल हैं।

mmtracking is a PyTorch video perception framework designed for training and deploying computer vision models that analyze sequential image data. It provides specialized tools for multi-object tracking, video instance segmentation, and a configuration-driven system for managing deep learning models. The project utilizes a deep learning model registry and a configuration-driven pipeline to swap model backbones and detectors without modifying the core codebase. This modular approach allows for the development of custom perception architectures by combining various components and configurations.

This project is a multi-object tracking library and computer vision toolkit designed to maintain consistent identity IDs for objects across video frames. It provides a motion-based object tracking system that converts raw detections into stable temporal tracks, enabling the analysis of object movement and behavior over time. The toolkit distinguishes itself through advanced identity maintenance, utilizing Kalman filters for linear motion tracking and sparse optical flow for camera motion estimation. It features multi-stage object association to recover occluded objects and non-linear motion t