LaSOT：高质量大规模单目标跟踪基准

尽管视觉跟踪近期取得了巨大进展，但由于缺乏专门的大规模基准，其进一步发展（包括算法设计与评估）受到限制。为解决此问题，我们提出 LaSOT，一个高质量的大规模单目标跟踪（Large-scale Single Object Tracking）基准。LaSOT 包含 85 个目标类别的多样化选择，并提供 1,550 段总计超过 387 万帧的视频。每一视频帧都经过精心人工标注边界框。据我们所知，这使 LaSOT 成为最大的密集标注跟踪基准。我们发布 LaSOT 的目标是提供一个专门的高质量平台，用于跟踪器的训练与评估。LaSOT 的平均视频长度约为 2,500 帧，其中每段视频包含真实世界视频片段中存在的各种挑战因素，例如目标消失与重现。这些较长的视频长度使得对长期跟踪器的评估成为可能。为利用视觉外观与自然语言之间的紧密关联，我们为 LaSOT 中每段视频提供语言描述。我们相信此类补充将允许未来研究利用语言特征来改进跟踪。我们指定了全重叠（full-overlap）和一次性（one-shot）两种协议，以灵活评估跟踪器。我们在 LaSOT 上对 48 个基线跟踪器进行了广泛评估与深入分析，结果表明仍存在显著的改进空间。完整的基准、跟踪结果以及分析可在 http://vision.cs.stonybrook.edu/~lasot/ 获取。