Multitarget-tracker

多目标追踪器

• 添加 YOLOE 检测支持 THU-MIG/yoloe - 添加新的 SOTA: YOLOv26、YOLOv26-obb 和 YOLOv26-seg 模型，来自 ultralytics/ultralytics - 添加 RT-DETRv4（API 类似 D-FINE）检测模型 RT-DETRs/RT-DETRv4 - 添加 D-FINE seg 检测模型 ArgoHA/D-FINE-seg - 添加基于 Vertical-Beach/ByteTrack-cpp 的 ByteTrack MOT 算法 - 清理旧式算法和检测器的大量代码：一些 bgfg 检测器、一些 VOT 追踪器、人脸和行人检测器、基于 Darknet 的旧 YOLO 后端等 - YOLOv13 检测器支持 TensorRT！将预训练的 PyTorch 模型 这里 (iMoonLab/yolov13) 导出为 ONNX 格式，并使用 -e=3 示例运行多目标跟踪器 - 基于 RF-DETR 检测器的实例分割模型支持 TensorRT！将预训练的 PyTorch 模型 这里 (roboflow/rf-detr) 导出为 ONNX 格式，并使用 -e=3 示例运行多目标跟踪器 - 新的线性分配算法 - Jonker-Volgenant / LAPJV 算法 用于 scipy 作为对匈牙利算法的替代 - D-FINE 检测器支持 TensorRT！将预训练的 PyTorch 模型 这里 (Peterande/D-FINE) 导出为 ONNX 格式，并使用 -e=3 示例运行多目标跟踪器 - RF-DETR 检测器支持 TensorRT！将预训练的 PyTorch 模型 这里 (roboflow/rf-detr) 导出为 ONNX 格式，并使用 -e=3 示例运行多目标跟踪器 - YOLOv12 检测器支持 TensorRT！将预训练的 PyTorch 模型 这里 (sunsmarterjie/yolov12) 导出为 ONNX 格式，并使用 -e=3 示例运行多目标跟踪器

演示视频