行人检测仍然是计算机视觉、监视和自动驾驶等各个领域的关键问题。特别是，在低光照条件和能见度降低的情况下，对行人进行准确、即时的检测，对于自动驾驶汽车预防事故和挽救生命至关重要。本文旨在全面调查专门针对弱光条件的各种行人检测方法、基线和数据集。该调查讨论了夜间行人检测所面临的挑战，并探讨了近年来为解决这一问题而提出的最先进的方法。这些方法涵盖了各种各样的方法，包括基于深度学习的、基于特征的和混合的方

在类增量学习（CIL）领域，随着生成模型的不断改进，生成重放作为一种减轻灾难性遗忘的方法越来越受到重视，但其在类增量目标检测（CIOD）中的应用受到了很大的限制，主要原因是涉及多个标签的场景的复杂性。我们提出了一种新的CIOD方法，称为稳定扩散深度生成重放（SDDGR）。我们的方法利用基于扩散的生成模型和预先训练的文本到图像扩散网络来生成逼真和多样化的合成图像。SDDGR结合了迭代细化策略，以产生

YOLO（You Only Look Once）系列检测器已经成为高效实用的工具。然而，它们依赖于预定义和训练的对象类别，限制了它们在开放场景中的适用性。针对这一限制，我们引入了YOLO-World，这是一种创新方法，通过视觉语言建模和大规模数据集的预训练来增强YOLO的开放词汇检测能力。具体来说，提出了一种新的可重参数化的视觉语言路径聚合网络（RepVL-PAN）和区域-文本对比度损失，以促进视

在低光照场景中检测物体是一个持续的挑战，因为在光照良好的数据上训练的检测器由于低可见度而在低光照数据上表现出显著的性能下降。以前的方法通过探索具有真实的低光照图像数据集的图像增强或物体检测技术来缓解这个问题。然而，该进展受到关于收集和注释低光图像的固有困难的阻碍。为了应对这一挑战，我们提出了一种基于零拍摄昼夜域自适应的微光目标检测方法，其目的是将检测器从光照良好的场景推广到微光场景，而不需要真实的

YOLO系列由于其在速度和准确性之间的合理平衡而成为实时目标检测的最流行框架。然而，我们观察到YOLO的速度和准确性受到NMS的负面影响。最近，基于端到端变压器的检测器（DETR）提供了消除NMS的替代方案。然而，本文提出了一种实时检测Transformer器（RT-DETR），该变换器具有实时性好、运算量小、易于实现等优点，RT-DETR是我们所知的第一个实时端到端目标检测器，它解决了上述难题。

随着深度学习技术的快速发展，目标跟踪算法的发展也随之兴起。鉴于目标、骨干网络和应用方法的多样性，本研究旨在综合整合现有的目标跟踪方法。我们提出了一种基于应用场景和主要方法的系统分类方案，伴随着对每个类别的透彻分析和简明摘要。这种方法提供了更广泛的跟踪技术覆盖面，便于新手研究人员更快地理解该领域。此外，我们提出了标准化的评估指标和广泛使用的数据集，包括在相同的基准上对选定算法进行跨方法性能比较，以增

随着深度学习技术的快速发展，目标跟踪算法的发展也随之兴起。鉴于目标、骨干网络和应用方法的多样性，本研究旨在综合整合现有的目标跟踪方法。我们提出了一种基于应用场景和主要方法的系统分类方案，伴随着对每个类别的透彻分析和简明摘要。这种方法提供了更广泛的跟踪技术覆盖面，便于新手研究人员更快地理解该领域。此外，我们提出了标准化的评估指标和广泛使用的数据集，包括在相同的基准上对选定算法进行跨方法性能比较，以增

最近的开放词汇检测器利用丰富的区域级标注数据取得了令人满意的性能。在这项工作中，我们表明，通过为每张图像生成图像级别的详细字幕，开放词汇检测器与大型语言模型共同训练可以进一步提高性能。为了实现这一目标，我们首先收集了一个数据集GroundingCap-1M，其中每个图像都伴随着相关的接地标签和图像级详细说明。有了这个数据集，我们对一个开放词汇检器进行了调，其训练目标包括一个标准的接地损失和一个标题

随着深度学习技术的快速发展，目标跟踪算法的发展也随之兴起。鉴于目标、骨干网络和应用方法的多样性，本研究旨在综合整合现有的目标跟踪方法。我们提出了一种基于应用场景和主要方法的系统分类方案，伴随着对每个类别的透彻分析和简明摘要。这种方法提供了更广泛的跟踪技术覆盖面，便于新手研究人员更快地理解该领域。此外，我们提出了标准化的评估指标和广泛使用的数据集，包括在相同的基准上对选定算法进行跨方法性能比较，以增

多目标跟踪（MOT）作为一种视频任务，期望能够有效地捕捉目标的时间信息，但现有的方法大多只利用相邻帧间的目标特征，缺乏对目标长时间信息建模的能力。一个长期的记忆增强Transformer，对象跟踪。我们的方法是能够使同一个对象的跟踪嵌入更稳定和可区分的，通过利用长期记忆注入与定制的在DanceTrack上的实验结果表明，MeMOTR在HOTA和AssA指标上分别比现有方法高出7.9%和13.0%，