Jul, 2019

CDTB：一种基于颜色和深度的视觉物体跟踪数据集和基准

PDF
TL;DR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。
发现论文，激发创造
  • 长期视觉目标跟踪基准

    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

  • 长期视觉跟踪性能评估

    我们提出了一种新的长期跟踪性能评估方法，并提出了一个具有许多目标消失的精心选择序列的新挑战性数据集，通过使用适用于评估长期跟踪的新性能指标 - 跟踪精度，召回率和 F 得分来广泛评估了六个长期和九个短期的最先进的跟踪器，评估结果表明，良好的模型更新策略和全局检测能力对于长期跟踪性能至关重要，我们将该方法集成到 VOT 工具包中以自动化实验分析和基准测试，并促进了长期跟踪器的开发。

    Apr, 2018

  • 学习长期跟踪器分数的空间分布

    该论文总结了长期跟踪中的关键问题，提出了基于融合追踪器策略的学习方法，并通过实验证明了模型与数据的独立性，并在竞争中取得了领先地位。

    Aug, 2023

  • 荒野长期跟踪：一个基准测试

    介绍了 OxUvA 数据集和基准，该数据集用于评估单目标跟踪算法，并对算法在具有平均长度大于两分钟且具有频繁目标对象消失的大规模序列中的定位和检测能力进行了评估。

    Mar, 2018

  • 视觉跟踪的深度学习：一项综述

    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

  • 一种新的单目标追踪器性能评估方法

    本文提出了一种单目标跟踪器绩效评估的新方法，在数据集、性能指标和评估系统方面对其作出要求。同时，引入了基于排名的方法，并构建了一个多方平台的评估系统，使其成为至今最具精密注释的数据集之一。此方法在 VOT2014 挑战赛上得到了应用，并对数据集进行了全面分析，提出了可行的性能可视化技术。

    Mar, 2015

  • RGB-T 对象跟踪：基准与基线

    该研究提出了一个大规模的 RGB-T 追踪视频基准数据集和一种新的基于图的方法，以学习强大的对象表示并实现多源数据融合的自适应融合，对其他最先进的追踪方法进行比较，并提供了对 RGB-T 对象追踪领域的新见解和潜在研究方向。

    May, 2018

  • TrackingNet: 野外物体跟踪的大规模数据集和基准

    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

  • MOTChallenge 2015：多目标跟踪基准的探索

    本文介绍了我们的工作，即创建一个新的多目标跟踪基准，以解决现有基准存在的问题，并通过 MOTChallenge 向一个更有意义的多目标跟踪定量评估统一框架迈进。

    Apr, 2015

  • 视觉目标跟踪性能测量的再探讨

    本研究针对视觉跟踪评估中的性能指标缺乏共识的问题，重新审视了当前流行的性能指标和追踪器表现可视化技术，通过理论和实验分析，提出了准确度和鲁棒性两个指标，对追踪器的性能进行综合评估，以推动追踪器评估方法的同质化。

    Feb, 2015