金色旭光

摘要： 从“颗粒度”（Granularity）的视角来理解计算机视觉的四大核心任务，可以帮助我们清晰地把握它们的内在联系和演进逻辑。 这四种任务的颗粒度从**粗到细**可以排列为：**分类 < 检测 < 分割 ≈ 姿态估计**。 阅读全文

摘要： ByteTrack是一种用于多对象跟踪的计算机视觉算法。它为视频中的对象分配唯一的 ID 以跟踪每个对象。大多数跟踪方法仅使用得分高的检测框，而忽略得分较低的检测框，从而遗漏一些对象并导致轨迹碎片化。ByteTrack 通过在匹配过程中使用所有检测框（从高到低）来改善这种情况。 阅读全文

摘要： 要从检测到的行人中判断是否有特定目标人物存在，其技术流程和关键技术可以分为以下几个核心环节： 整个流程可以概括为：**人脸检测 → 人脸对齐 → 特征提取 → 特征比对与识别**。 阅读全文

摘要： vLLM 的性能优势并非简单的代码优化，而是源于其底层架构的革新。理解下面三个核心概念，你就能明白它为何如此高效。 阅读全文

摘要： YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本。YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。 YOLOv8原生支持多种任务类型，包括检测、分类、分割、姿态、定向边界框等 阅读全文

摘要： Matplotlib 是 Python 中最常用的 2D 绘图库，也可以用来绘制 3D 图形。它提供了一套面向对象（OO）和基于 pyplot 的 MATLAB 风格接口，几乎能画出所有静态、动态、交互式的图表。 阅读全文

摘要： **uv** 是由 Astral 开发的一个极致性能的 Python 包解析与安装工具，核心用 Rust 编写，目标成为 pip、pip-tools（pip-compile/pip-sync）和 virtualenv 的无缝替代品。它利用高效的依赖解析算法和全局缓存机制，通常可比原生 pip 快 10–100 倍，并对磁盘空间和网络请求进行了高度优化。 阅读全文

摘要： f-string，称为格式化字符串常量（formatted string literals），是Python3.6新引入的一种字符串格式化方法，该方法源于PEP 498 – Literal String Interpolation，主要目的是使格式化字符串的操作更加简便。 阅读全文

摘要： YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务。 YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。在图像检测识别领域yolov8和yolov5是使用较多的两款框架，兼顾精度和速度。 阅读全文