Caltech 鱼类计数数据集：多目标跟踪与计数的基准
计算机视觉与模式识别
2022-07-20 v1 机器学习
摘要
我们提出 Caltech Fish Counting Dataset (CFC)，一个用于声纳视频中鱼类检测、跟踪与计数的大规模数据集。我们将声纳视频确定为推进低信噪比计算机视觉应用以及应对多目标跟踪（MOT）与计数中域泛化的丰富数据源。与现有的主要局限于城市中人与车辆视频的 MOT 和计数数据集相比，CFC 来源于自然世界域，其中目标不易分辨且外观特征难以用于目标重识别。CFC 包含来自七种不同声纳相机的超过 1500 段视频中的逾五十万标注，使研究者能够训练 MOT 与计数算法并评估在未见测试位置的泛化性能。我们进行了广泛的基线实验，并识别出推进 MOT 与计数泛化最先进（SOTA）水平的关键挑战与机遇。
引用
@article{arxiv.2207.09295,
title = {The Caltech Fish Counting Dataset: A Benchmark for Multiple-Object Tracking and Counting},
author = {Justin Kay and Peter Kulits and Suzanne Stathatos and Siqi Deng and Erik Young and Sara Beery and Grant Van Horn and Pietro Perona},
journal= {arXiv preprint arXiv:2207.09295},
year = {2022}
}
备注
ECCV 2022. 33 pages, 12 figures