LaSOT：面向大规模单目标跟踪的高质量基准数据集
计算机视觉与模式识别
2019-03-28 v2
摘要
本文提出 LaSOT，一个面向大规模单目标跟踪（Large-scale Single Object Tracking）的高质量基准数据集。LaSOT 包含 1400 个序列，总计超过 350 万帧。这些序列中的每一帧都经过人工精细标注边界框，据我们所知，LaSOT 是标注最密集的大规模跟踪基准。LaSOT 的平均视频长度超过 2500 帧，每个序列包含来自真实场景的多种挑战，其中目标物体可能消失并在视野中重新出现。通过发布 LaSOT，我们期望为学界提供一个大规模、专用的高质量基准，既可用于深度跟踪器的训练，也可用于对跟踪算法进行真实评估。此外，考虑到视觉外观与自然语言的紧密联系，我们通过提供额外的语言描述来丰富 LaSOT，旨在鼓励探索自然语言特征用于跟踪。本文给出了 35 种跟踪算法在 LaSOT 上的详尽实验评估与细致分析，结果表明跟踪性能仍有很大提升空间。
引用
@article{arxiv.1809.07845,
title = {LaSOT: A High-quality Benchmark for Large-scale Single Object Tracking},
author = {Heng Fan and Liting Lin and Fan Yang and Peng Chu and Ge Deng and Sijia Yu and Hexin Bai and Yong Xu and Chunyuan Liao and Haibin Ling},
journal= {arXiv preprint arXiv:1809.07845},
year = {2019}
}
备注
18 pages, including supplementary material, adding minor revisions and correcting typos