野外长时跟踪：一个基准
计算机视觉与模式识别
2018-08-13 v3
摘要
我们引入了 OxUvA 数据集和基准，用于评估单目标跟踪算法。基准通过在大量多样化的视频上定义标准化评估，极大地推动了目标跟踪领域的发展。然而，这些工作仅关注长度仅为几十秒且目标始终可见的序列。因此，大多数研究人员设计了针对这种“短时”场景的方法，而这并不能很好地代表实际应用者的需求。为了解决这一差异，我们编制了一个长时、大规模的跟踪数据集，其序列平均长度超过两分钟，且目标对象频繁消失。OxUvA 数据集比近年的目标跟踪数据集大得多：它包含 366 个序列，总计 14 小时的视频。我们评估了几种算法的性能，同时考虑了定位目标以及判断目标存在与否的能力。我们的目标是为社区提供一个大型且多样化的基准，以便设计和评估可在“野外”直接使用的跟踪方法。项目网站为 http://oxuva.net
引用
@article{arxiv.1803.09502,
title = {Long-term Tracking in the Wild: A Benchmark},
author = {Jack Valmadre and Luca Bertinetto and João F. Henriques and Ran Tao and Andrea Vedaldi and Arnold Smeulders and Philip Torr and Efstratios Gavves},
journal= {arXiv preprint arXiv:1803.09502},
year = {2018}
}
备注
To appear at ECCV 2018