GOT-10k：一个用于野外通用目标跟踪的大规模高多样性基准
计算机视觉与模式识别
2019-12-20 v3
摘要
我们在此介绍一个大型跟踪数据库，它提供了前所未有的野外常见运动物体广泛覆盖，称为 GOT-10k。具体而言，GOT-10k 构建于 WordNet 结构的骨干之上，它涵盖了 560 多个运动物体类别和 87 种运动模式中的大多数，比最近类似规模的对应库广泛得多。本文的贡献总结如下：(1) GOT-10k 提供超过 10,000 个视频片段和超过 150 万个手动标注的边界框，支持深度跟踪器的统一训练和稳定评估。(2) GOT-10k 是迄今首个使用 WordNet 语义层次指导类别填充的视频轨迹数据集。(3) GOT-10k 首次引入用于跟踪器评估的一次性协议，其中训练和测试类别零重叠。该协议避免了对熟悉物体的偏向性评估结果，并促进了跟踪器开发中的泛化能力。(4) 我们在 GOT-10k 上对 39 种典型跟踪算法进行了广泛的跟踪实验并分析了其结果。(5) 最后，我们为跟踪社区开发了一个综合平台，提供全功能评估工具包、在线评估服务器和响应式排行榜。GOT-10k 测试数据的标注保持私有以避免在其上调整参数。该数据库、工具包、评估服务器和基线结果可在 http://got-10k.aitestunion.com 获取。
引用
@article{arxiv.1810.11981,
title = {GOT-10k: A Large High-Diversity Benchmark for Generic Object Tracking in the Wild},
author = {Lianghua Huang and Xin Zhao and Kaiqi Huang},
journal= {arXiv preprint arXiv:1810.11981},
year = {2019}
}
备注
Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)