基于深度学习的目标轨迹跟踪
案例介绍
基于深度学习的目标轨迹跟踪
案例介绍
本项目聚焦网球、羽毛球视频中的高速小目标定位与连续轨迹跟踪，基于 PyTorch 研发 TrajectoryNet++ 算法。本人参与模型架构设计、关键模块优化、训练调参与实验评估。设计多尺度方向先验提取模块 MSPEM 与跨层知识注意力模块 CKAM，融合局部几何特征与跨层语义信息，提升复杂运动场景中的目标定位能力。代表性实验结果实现 92.1% Accuracy、90.6% F1 和 46.2 FPS，并完成基线算法对比及可视化分析，可用于体育视频分析及运动目标智能跟踪。
案例图片
相似案例推荐
-
万帧—AI视频生成桌面工作台
万帧是一款对接第三方AI视频生成API的Windows桌面工
-
运维排障智能助手
本作品面向网络与基础设施运维场景，基于 Python、Fas
-
excel-agent
面向日常报表整理和业务数据分析场景开发的 Excel 智能分
-
站点迁移与割接（独立完成）
完成面板与站点整体迁移：全量打包 63MB 数据，编写割接脚
-
单机多站点生产环境运维（独立负责）
Debian + Nginx + PHP-FPM，Cloud
-
钢铁行业工业互联网监测系统
我是全栈开发工程师，熟练覆盖前端 Vue、React、UMI
1小时精推人才
需求方专属客服，免费梳理匹配
