mikel-brostrom/boxmot

解決的問題

BoxMOT 提供一個統一且可插入的多物件追蹤（MOT）框架。它解決了必須手動整合不同檢測器、外觀編碼器與追蹤演算法的問題，讓使用者能輕鬆交換元件，並在各種資料集上評估其效能。

如何運作

系統使用模組化流程，將獨立的元件——檢測器、分割器、外觀編碼器與追蹤器——組合在一起。支援軸對齊的邊界框（AABB）與方向性邊界框（OBB）。框架提供 CLI 用於管理追蹤、評估與 ReID 訓練等流程，並提供 Python API 以便將這些元件嵌入更大的應用程式中。針對生產環境，還提供原生 C++ 實作的追蹤器，以確保高效率，同時維持與 Python 版本相同的指標。

適用對象

專為從事電腦視覺任務的開發人員與研究人員設計，這些任務需要在影片畫格之間追蹤多個物件，從建構即時應用到進行追蹤演算法的學術研究皆適用。

主要亮點

• 可插入架構：可輕鬆更換檢測器與追蹤器（例如 BoTSORT、ByteTrack、OccluBoost）。
• 雙邊界框支援：同時處理標準軸對齊與方向性邊界框。
• C++ 後端：可選的生產就緒 C++ 追蹤器實作，以提升速度。
• 全面的工具鏈：內建 CLI 用於資料集產生、評估、調校與 ReID 工作流程。
• 廣泛相容性：支援 ONNX、OpenVINO 與 TFLite 等多種模型格式。