LSOTB-TIR：大规模高多样性热红外目标跟踪基准
计算机视觉与模式识别
2020-08-04 v1 多媒体
摘要
本文提出一个大规模且高多样性的通用热红外（TIR）目标跟踪基准 LSOTB-TIR，其由评估数据集与训练数据集组成，共含 1400 个 TIR 序列及超过 60 万帧。我们标注了所有序列每帧中目标的边界框，总计生成超过 73 万个边界框。据我们所知，LSOTB-TIR 是迄今最大且最多样的 TIR 目标跟踪基准。为在不同属性上评估跟踪器，我们在评估数据集中定义了 4 个场景属性与 12 个挑战属性。通过发布 LSOTB-TIR，我们鼓励学界开发基于深度学习的 TIR 跟踪器并公平、全面地评估它们。我们在 LSOTB-TIR 上评估并分析了 30 余个跟踪器以提供一系列基线，结果表明深度跟踪器取得了有前景的性能。此外，我们在 LSOTB-TIR 上重新训练了若干代表性深度跟踪器，其结果证明所提出的训练数据集显著提升了深度 TIR 跟踪器的性能。代码与数据集见 https://github.com/QiaoLiuHit/LSOTB-TIR。
引用
@article{arxiv.2008.00836,
title = {LSOTB-TIR:A Large-Scale High-Diversity Thermal Infrared Object Tracking Benchmark},
author = {Qiao Liu and Xin Li and Zhenyu He and Chenglong Li and Jun Li and Zikun Zhou and Di Yuan and Jing Li and Kai Yang and Nana Fan and Feng Zheng},
journal= {arXiv preprint arXiv:2008.00836},
year = {2020}
}
备注
accepted by ACM Mutlimedia Conference, 2020