检测器架构与场景密度影响多行人跟踪
热点事件持续更新
检测器架构与场景密度影响多行人跟踪
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
一项新研究对比了 YOLO11、RT-DETR 和 YOLO26 三种检测器家族，分别搭配 ByteTrack 与 BoT-SORT 跟踪器，在 MOT17、MOT20 和 SOMPT22 三个基准上测试多行人跟踪表现。研究由 Pedro Manoel Herminio Alves 等人完成，目的是分析检测器架构、模型规模、场景密度和推理方式如何影响跟踪结果。 论文称，检测器架构、模型规模、场景密度与推理方式都会对多行人跟踪产生影响，但报道未给出各组合的具体性能数据或结论。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
检测器架构、模型规模与场景密度如何影响多行人跟踪：YOLO11、RT-DETR 与 YOLO26 对比分析报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CV检测器架构、模型规模与场景密度如何影响多行人跟踪：YOLO11、RT-DETR 与 YOLO26 对比分析
研究对比 YOLO11、RT-DETR 和 YOLO26 检测器家族搭配 ByteTrack、BoT-SORT 跟踪器，在 MOT17、MOT20 和 SOMPT22 基准上的多行人跟踪表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。