本文介绍了一个基于YOLOv11和OCSort的多类别目标跟踪项目，使用TensorRT框架C++实现。相比DeepSort和ByteTrack，OCSort算法在遮挡处理、速度和轻量级部署方面更具优势。项目包含环境配置指南和推理步骤，支持视频推理及结果保存。测试显示推理速度可达200FPS左右。作者提供了相关参考项目链接，并强调代码开源性质，反对商业倒卖行为。该实现将YOLOv11的前后处理移至

本文介绍了基于YOLOv11和OCSort的多类别目标跟踪项目，使用ncnn框架C++实现。相比DeepSort，OCSort算法在速度、轻量化、遮挡处理等方面更具优势，支持多类别跟踪且无需额外训练模型。项目提供了环境配置和编译指南，展示了20-30FPS的实际推理效果。作者强调代码开源性质，谴责商业盗用行为。项目参考了OC_SORT和YOLOv11_deepsort_ncnn等开源工作，适用于需

本仓库代码用于学习ROS环境下，进行机器人建图、导航、目标检测。此外，还集成了目标检测结果播报和通过检测关键词控制机器人运动的功能。

在ros环境下部署yolov8-seg，进行实例分割检测，借助ncnn框架。

使用ncnn框架部署yolov8-seg，外加qt进行界面可视化操作，用于图片和视频实例分割推理。

使用yolov8-pose进行人体关键点检测，通过计算人体各关键点关系进行人体摔倒检测（ncnn框架实现）

本文介绍了基于YOLOv11和OCSort的多类别目标跟踪项目，使用ncnn框架C++实现。相比DeepSort，OCSort算法在速度、轻量化、遮挡处理等方面更具优势，支持多类别跟踪且无需额外训练模型。项目提供了环境配置和编译指南，展示了20-30FPS的实际推理效果。作者强调代码开源性质，谴责商业盗用行为。项目参考了OC_SORT和YOLOv11_deepsort_ncnn等开源工作，适用于需

本文介绍了一个基于YOLOv11和OCSort的多类别目标跟踪项目，使用TensorRT框架C++实现。相比DeepSort和ByteTrack，OCSort算法在遮挡处理、速度和轻量级部署方面更具优势。项目包含环境配置指南和推理步骤，支持视频推理及结果保存。测试显示推理速度可达200FPS左右。作者提供了相关参考项目链接，并强调代码开源性质，反对商业倒卖行为。该实现将YOLOv11的前后处理移至

本文介绍了基于YOLOv11和DeepSort算法的行人目标跟踪系统，使用NCNN框架在C++环境下实现。项目通过YOLOv11 nano版本进行目标检测，结合改进的DeepSort算法实现跟踪，重点解决了NCNN平台部署的难点。作者详细说明了环境配置（VS2019、ncnn、OpenCV）和推理部署步骤，并分析了DeepSort算法在复杂动作场景下ID易切换的局限性。项目支持视频和摄像头输入，默

本项目实现了YOLOv11目标检测模型从PyTorch(.pt)到TensorRT(.engine)的量化转换，包含fp16和int8两种精度。首先将预训练模型转换为ONNX格式，支持固定/动态batch输入；然后通过训练后量化(PTQ)方法生成int8引擎，使用COCO128数据进行标定；最后提供C++推理框架验证速度。项目在Jetson Orin NX上测试，包含完整模型转换流程和代码，显著提