DeepSea MOT: 深水视频多目标跟踪的基准数据集
计算机视觉与模式识别
2025-09-04 v1
摘要
评估多目标跟踪和目标检测模型性能是机器学习模型开发的关键步骤，它使研究人员能够在人类生成的'测试'数据上评估模型的检测和跟踪性能，促进模型和跟踪器之间的一致比较，并有助于性能优化。在本研究中，我们开发了一个新的基准视频数据集，用于评估 Monterey Bay Aquarium Research Institute 的多个目标检测模型和一个 FathomNet 单类目标检测模型以及多个跟踪器的性能。该数据集包含四个代表中层水和底栖深水栖息地的视频序列。性能使用高阶跟踪精度（Higher Order Tracking Accuracy）进行评估，该指标平衡了检测、定位和关联的准确性。据我们所知，这是深水视频中多目标跟踪的第一个公开基准。我们提供了基准数据、生成额外基准视频的清晰记录的工作流程，以及用于计算指标的示例 Python 笔记本。
引用
@article{arxiv.2509.03499,
title = {DeepSea MOT: A benchmark dataset for multi-object tracking on deep-sea video},
author = {Kevin Barnard and Elaine Liu and Kristine Walz and Brian Schlining and Nancy Jacobsen Stout and Lonny Lundsten},
journal= {arXiv preprint arXiv:2509.03499},
year = {2025}
}
备注
5 pages, 3 figures, dataset available at https://huggingface.co/datasets/MBARI-org/DeepSea-MOT