RGB-T追踪数据集基准资源文件介绍
本文档提供了一系列RGB-T追踪数据集的基准资源文件,包括GTOT、RGBT210、RGBT234、VOT-2019-2020、LasHeR和VTUAV。这些数据集是进行RGB-T目标追踪研究的重要资源,涵盖了多种场景和挑战,适用于不同类型的追踪算法评估和开发。
数据集简介
GTOT
- 来源: 2016 IEEE Transactions on Image Processing (T-IP)
- 内容: 包含50个视频对,每个视频对由灰度图片和热红外图片组成。
- 特点: 视频拍摄场景多样,包括实验室、校园道路、操场等。
RGBT210
- 来源: 2017 ACM MM
- 内容: 包含210个视频,总计210K帧。
- 特点: 适用于长时追踪,视频对的对齐没有前置或后置操作。
RGBT234
- 来源: 2019 Pattern Recognition (PR)
- 内容: 包含234个RGB-T视频序列对及其对应真值。
- 特点: 标注序列第一帧的真值格式为(x, y, box-width, box-height)。
VOT-2019-2020
- 来源: VOT-2019与VOT-2020的RGB-T赛道
- 内容: 从RGBT234中挑选出来的数据集。
- 特点: 使用旋转的边界框进行注释。
LasHeR
- 来源: 安徽大学李成龙课题组
- 内容: 包含1224个对齐RGB-T视频序列,总计730K帧。
- 特点: 包含32个目标类别和19个挑战属性。
VTUAV
- 来源: 大连理工卢湖川课题组
- 内容: 包含500个序列,1700K个图片对,分辨率为1920*1080。
- 特点: 适用于短期追踪、长期追踪、目标分割预测。
使用说明
- 下载: 通过提供的链接下载相应的数据集文件。
- 解压: 解压缩下载的文件以获取数据集内容。
- 使用: 根据研究需求,使用数据集进行算法开发和评估。
注意事项
- 数据集的对齐和标注可能存在误差,使用时需注意。
- 部分数据集可能需要特定的软件工具进行处理和分析。
参考文献
- GTOT: Learning Collaborative Sparse Representation for Grayscale-thermal Tracking
- RGBT210: Weighted Sparse Representation Regularized Graph Learning for RGB-T Object Tracking
- RGBT234: RGB-T Object Tracking: Benchmark and Baseline
- VOT-2019-2020: VOT-2019与VOT-2020的RGB-T赛道数据集
- LasHeR: RGBT跟踪的大规模高多样性基准
- VTUAV: Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline
通过这些数据集,研究人员可以更好地理解和开发RGB-T追踪技术,推动该领域的发展。