LasHeR：一种大规模高多样性 RGBT 跟踪基准
计算机视觉与模式识别
2021-12-22 v2
摘要
RGBT 跟踪在计算机视觉界受到激增的关注，但该研究领域缺乏大规模、高多样性的基准数据集，而此类数据集对于深度 RGBT 跟踪器的训练与 RGBT 跟踪方法的全面评估均至关重要。为此，我们在本工作中提出一种大规模高多样性 RGBT 跟踪基准（LasHeR）。LasHeR 包含 1224 对可见光与热红外视频，总计超过 73 万帧对。每帧对均经空间对齐并手动以边界框标注，使数据集标注良好且密集。LasHeR 高度多样，涵盖了跨季节、天气、昼夜的广泛物体类别、相机视角、场景复杂度与环境因子。我们在 LasHeR 数据集上对 12 种 RGBT 跟踪算法进行了全面性能评估，并给出详细分析以阐明 RGBT 跟踪的研究空间。此外，我们发布了 LasHeR 的未对齐版本以吸引针对无对齐 RGBT 跟踪的研究兴趣，该任务在实际应用中更为实用。数据集与评估协议见：https://github.com/BUGPLEASEOUT/LasHeR。
引用
@article{arxiv.2104.13202,
title = {LasHeR: A Large-scale High-diversity Benchmark for RGBT Tracking},
author = {Chenglong Li and Wanlin Xue and Yaqing Jia and Zhichen Qu and Bin Luo and Jin Tang and Dengdi Sun},
journal= {arXiv preprint arXiv:2104.13202},
year = {2021}
}
备注
IEEE TRANSACTIONS ON IMAGE PROCESSING