roboflow/trackers

解決的問題

trackers 是一個 Python 庫，為任何物件檢測模型提供標準化、即插即用的多物件追蹤（MOT）實作方式。它消除了撰寫自訂膠水程式碼或從頭實作複雜追蹤演算法的需要，以應對遮蔽、快速移動和移動鏡頭等挑戰。

如何運作

該庫提供了多種產業標準追蹤演算法的乾淨室實作，包括 SORT、ByteTrack、OC-SORT、BoT-SORT、C-BIoU 和 McByte。它設計為與檢測器無關，意味著它可以與任何輸出邊界框的模型（如 YOLO、DETR 或 RT-DETR）配合使用。它原生整合 supervision.Detections 格式，允許使用者傳入檢測結果，並透過一致的 update() 接口接收回傳的追蹤檢測結果。

適用對象

• 工程師：需要可靠、Apache 2.0 授權的追蹤庫來建構生產流程的人。
• 研究人員：在標準化基準上比較不同追蹤演算法的人。
• 愛好者：需要物件追蹤功能來建構電腦視覺專案的人。

主要亮點

• 檢測器無關：無需特定推理庫，可與任何輸出邊界框的模型配合使用。
• 乾淨室實作：演算法從原始論文重新實作，確保透明性與可修改性。
• 全面的演算法套件：包含多種追蹤器，如 ByteTrack 和 BoT-SORT，適用於不同場景類型。
• 相機運動補償：BoT-SORT 和 McByte 原生支援，在幀間移動時保持 ID 穩定。
• 內建評估與調校：包含 CLI 工具用於追蹤、下載基準資料集（MOT17、SportsMOT），以及基於 Optuna 的超參數調校。
• 原生整合：無縫接入 supervision 生態系統。