本文针对平面目标跟踪问题，设计了一个包含两百多个视频和 eleven 种最先进算法的基准测试，并提供了基准测试的两种评估指标和详细分析结果，旨在促进未来关于平面目标跟踪的研究。

Mar, 2017

本文介绍了一个用于评估多目标跟踪方法的基准测试框架，其中包含了约50个最先进的跟踪器的测试结果及其分析，旨在为推动这一领域的发展提供指导。

Apr, 2017

提出了一种名为Track Long and Prosper（TLP）的新型长视频数据集和单个目标跟踪基准，包含50个高清视频，超过400分钟（676K帧），是现有通用数据集平均持续时间的20倍以上，通过对17种现有跟踪器进行精度和运行时间速度排名，以及定性和定量评估，突出了跟踪性能的长期方面的重要性并指出了研究努力在长期跟踪方向的潜在需求。

Dec, 2017

该研究提出了TrackingNet数据集，为在野外进行物体跟踪提供了第一个大规模数据集和基准，并评估了20多个追踪器模型，结果表明，在野外物体跟踪仍然远未解决。

Mar, 2018

本文提出了一种长期视觉对象跟踪性能评估方法和基准，并设计了性能度量标准，以最大程度地增强对分析的探究力度。此外，还提出了新的数据集并分析了跟踪架构对长期性能的影响，以及重新检测策略和视觉模型更新策略对长期跟踪漂移的影响。

Jul, 2019

本文对深度学习手段在视觉目标跟踪中的应用作了全面综述，包括常用的数据集、评估指标以及当前领先的跟踪器，并对它们进行了量化和定性分析，旨在为实践者在选择方案时提供指导和对未来方向进行探讨。

Dec, 2019

该研究介绍了一个多样化的跟踪数据集，采用自下而上的方法获取了一个比以前跟踪基准的种类翻了一个数量级的大词汇，并进行评估表明现有的多种对象跟踪器在野外场景中存在困难，而基于检测的多对象跟踪器实际上是有竞争力的。

May, 2020

LaSOT是一个高质量的大规模单目标跟踪基准，拥有85个类别，共计超过387万帧，每帧都经过精心手动注释，提供了一个专门的高质量平台供跟踪器的训练和评估。在LaSOT上的广泛评估表明，仍然存在显着的改进空间。

Sep, 2020

MOTChallenge是一个针对单摄像头多目标跟踪设计的标准化比赛，包含三个版本，包括挑战性视频和精确的标签，同时提供了多目标跟踪器分类和广泛的错误分析。

Oct, 2020

当前许多视觉目标跟踪基准主要集中在白天场景，夜间跟踪研究相对较少。为此，本文提出了NT-VOT211，这是一个为夜间视觉目标跟踪算法评估量身定制的大规模基准，包含211个多样化的视频和211,000个注释良好的帧。研究表明，该基准能够有效揭示不同跟踪算法在低光环境中的优缺点，促进夜间视觉目标跟踪技术的发展。

Oct, 2024