Home Progetti FastMOT
FastMOT
Python

FastMOT

Tracciamento di oggetti multipli ad alte prestazioni basato su YOLO, Deep SORT e KLT 🚀

di GeekAlexis · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
computer-visiondeep-learningdeep-sortMITPython
Visualizza su GitHub
In parole semplici

Traccia più oggetti nei video utilizzando algoritmi avanzati per analisi in tempo reale.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
FastMOT — GitHub preview card
📈 Storia delle stelle
1.22k1.21k
2026-07-202026-08-31
📈 Segui FastMOT

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Tracciamento di oggetti multipli ad alte prestazioni basato su YOLO, Deep SORT e KLT 🚀

FastMOT ha 1.2k stelle su GitHub. È stato forkato 252 volte. FastMOT è scritto principalmente in Python. È in sviluppo attivo dal 2020. FastMOT è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, deep-learning, deep-sort, edge-computing.

Frequently asked questions

Che cos'è FastMOT?

Tracciamento di oggetti multipli ad alte prestazioni basato su YOLO, Deep SORT e KLT 🚀

FastMOT è open source?

FastMOT è un progetto open source. È rilasciato con licenza MIT.

FastMOT è gratuito?

Sì. FastMOT è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è FastMOT?

FastMOT è disponibile con licenza MIT.

In quale linguaggio è scritto FastMOT?

FastMOT è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — FastMOT

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=geekalexis-fastmot)](https://olud.ai/project/geekalexis-fastmot.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.