用途：构建生产级计算机视觉系统，处理目标检测、多目标跟踪（MOT）与视频分析，典型场景包括无人机航拍分析（考古调查、保护工作）、野生动物监测与跟踪、实时目标检测、视频预处理与分析、自定义模型训练与推理。
模型选型：资料给出对比——YOLOv8（约140 FPS、53.9% mAP，实时检测）、Detectron2（约25 FPS、58.7% mAP，高精度/研究）、EfficientDet（约35 FPS、55.1% mAP，移动端部署）、Faster R-CNN（约10 FPS、42.0% mAP，遗留系统）。决策建议：需实时（>30 FPS）用 YOLOv8；需最高精度用 Detectron2 Mask R-CNN；需移动部署用 YOLOv8-nano 或 EfficientDet；需实例分割用 Detectron2 或 YOLOv8-seg；需自定义目标则微调 YOLOv8。
主要能力与要点：
- 帧预处理：按模型输入（如640×640）保持宽高比缩放并填充，避免直接对原始高分辨率帧推理，以减少显存溢出并提升精度。
- 帧抽样：不必逐帧推理，可每 N 帧采样或基于直方图场景变化自适应采样，降低冗余计算。
- 批量推理：一次传入多张图像（如16–32）提升 GPU 利用率与吞吐。
- NMS 调参：按稀疏目标、密集目标、高精度证据等场景调整 iou、conf、max_det。
- 跟踪：使用 model.track(frame, persist=True, tracker='bytetrack.yaml') 维护跨帧 ID，统计唯一目标并构建轨迹；资料还比较 ByteTrack、SORT、DeepSORT、BotSORT 的速度、鲁棒性与遮挡处理。
适用与限制：适合无人机考古、野生动物跟踪、人群计数、实时安防等；不适用于简单图像滤镜（用 Pillow/PIL）、照片编辑（Photoshop/GIMP）、人脸识别 API（AWS Rekognition）、基础 OCR（Tesseract）及车牌识别等专用 OCR。资料提供生产检查清单与参考文档、脚本路径，但未提供安装命令、具体依赖版本、价格或训练数据集细节。