常见目标跟踪数据集下载链接整理（更新中）

本文链接：https://blog.csdn.net/laizi_laizi/article/details/105447947

搜罗一下，感觉没人把常见的目标跟踪数据集下载链接汇总整理的，这里就整理一下，因为有些网址很难打开，这里也是想方便之后大家获取，来看看吧！我就从大佬图中来找几个吧！因为不是全接触过，有些链接不是很好，有小伙伴有更好的建议，欢迎评论！

常见目标跟踪数据集下载链接整理

OTB
VOT
- 短序列
- 长序列
- RGBD/RGBT
- LasHeR
- VOT challenge results
Youtube-VOS(2018)
Youtube-VOS(2019)
GOT-10k
OxUvA
LaSOT
TrackingNet
TNL2K
UAV123+UAV20L
VisDrone
ALOV300++
Nfs
TempleColor128
TLP
NUS-PRO
DTB70
ILSVRC VID/DET
Youtube BoundingBoxes
VTUAV
WebUAV-3M
VisEvent
COESOT
VastTrack
UTB180
References

请大家遵守相关的license，数据集仅供教育和研究使用

大佬的图：recent_Tracker_development

OTB

Visual Tracker Benchmar：http://cvlab.hanyang.ac.kr/tracker_benchmark/index.html
数据集介绍：
OTB2013 Online Object Tracking: A Benchmark
OTB2015 Object Tracking Benchmark
OTB50和OTB100数据集官方下载地址：http://cvlab.hanyang.ac.kr/tracker_benchmark/datasets.html
OTB100百度云下载地址：https://pan.baidu.com/s/1TC6BF9erhDCENGYElfS3sw 密码：9x8q
注：OTB100中包含了OTB50中的所有视频（OTB100与OTB2015相同）
OTB50有50个序列，OTB2013有51个序列
Jogging和Skating2有两个序列，在序列Human4中的groundtruth_rect.1.txt是空的
1、因这个链接是别人的，后来发现在Jogging序列下有个ground_rect.txt,删去即可
2、注意序列BlurCar1，BlurCar3，BlurCar4里面图片序号不是从1开始的

VOT

VOT官方首页：https://www.votchallenge.net/index.html
VOT2013-2019 benchmark所在地，里面可以下载各年的数据集：https://www.votchallenge.net/challenges.html
VOT2013-2019的打包：https://pan.baidu.com/s/1co6NSk3imqhLWfq3H1ek1A 提取码：bs6g
最新年份的vot数据集下载可看这篇博客: 【VOT数据集自动/手动下载】

短序列

VOT2016：https://pan.baidu.com/s/1an7dLiHOIcRX51JPUJnstQ 密码：e9f6
VOT2017-2019：https://pan.baidu.com/s/1HZkbWen4mEkxaJL3Rj9pig 密码: xg4q Google Drive
VOT2020：https://pan.baidu.com/s/1vEsz-nPfRUb2Yzv_Asdn9Q 提取码：j4ls
VOT2015与VOT2016序列是一样的，VOT2017与VOT2018序列是一样的
VOT2018中的fish1序列有些链接的下载下来有436张的，官网只有366张，需要注意此序列

长序列

VOT2018-LT：https://pan.baidu.com/s/1yzq81FrqRILqzzfKbmj8Tw 提取码：2kqi

RGBD/RGBT

VOT2019-RGBD: https://pan.baidu.com/s/1PJ0n3y-n17mcWI5Eeyl8UA 提取码：aufp
CDTB/VOT2019RGBD/VOT2020RGBD/VOT2021RGBD: https://zenodo.org/record/5855099
VOT2019-RGBT: https://pan.baidu.com/s/1Ax0lMMw8IjbrOcJUNKmo1w 提取码：top8

LasHeR

train里面的问题：1. basketballatright序列图片只有83张，但是anno有84帧标注 2. cameraman_1202序列里面的infrared.txt和visible.txt都是全0，得从init.txt复制到他们这两个里面

VOT challenge results

Year	Challenge Results Report	Challenge Results Presentation	Challenge
2013	VOT13_paper_ICCV	VOT13_presentation_ICCV	VOT2013
2014	VOT14_paper_ECCV	VOT14_presentation_ECCV	VOT2014
2015	VOT15_paper_ICCV	VOT15_presentation_ICCV	VOT2015,VOT-TIR2015
2016	VOT16_paper_ECCV	VOT16_presentation_ECCV	VOT2016,VOT-TIR2016
2017	VOT17_paper_ICCV	VOT17_presentation_ICCV	VOT2017,VOT-TIR2017
2018	VOT18_paper_ECCV	VOT18_presentation_ECCV	VOT2018,VOT-LT2018
2019	VOT19_paper_ICCV	VOT19_presentation_ICCV	VOT-ST2019,VOT-RT2019,VOT-LT2019,VOT-RGBT2019,VOT-RGBD2019

注：
2014数据集只有25个序列，rotated bounding boxes标注：frameN: X1, Y1, X2, Y2, X3, Y3, X4, Y4
2015起有 VOT-TIR2015 热红外成像，60个序列
2016的VOT2016 GT比VOT2015更精确
2017起有realtime experiment
2018起有VOT-LT2018比赛、Realtime subchallenge
2019起有VOT-RGBT2019和VOT-RGBD2019挑战

Youtube-VOS(2018)

Google Drive
OneDrive

Youtube-VOS(2019)

Baidu Pan 提取码：uu4q
Google Drive
OneDrive

GOT-10k

官方下载地址：http://got-10k.aitestunion.com/downloads
Full data, Test data, Validation data:Baiduyun Disk Google Drive

OxUvA

官方首页：Long-term Tracking in the Wild: A Benchmark

OxUvA数据集百度网盘地址提取码：tjux
OxUvA数据集Google Drive地址：images_dev.tar images_test.tar
注：似乎这个也就是图中的 LTW: Long-term tracking in the wild

LaSOT

LASOT主页：LaSOT: Large-scale Single Object Tracking
数据集下载页：Download LaSOT Benchmark
Download sequences of all categories (227G):GoogleDrive, Baidu Pan
Download sequences of each category: GoogleDrive, Baidu Pan
Download sequences of Testing set only: GoogleDrive, Baidu Pan

新增期刊版的15个类别的视频序列 LaSOT Extened Subset
baidu pan 提取码：9mtj
GoogleDrive1
GoogleDrive2

TrackingNet

官方主页：TrackingNet: A Large-Scale Dataset and Benchmark for Object Tracking in the Wild
工具箱（这里面有怎么介绍下载快点）：DEVELOPMENT KIT
torrent链接
 ownCloud平台链接 password: TrackingNet
Google Drive link1
Google Drive link2
Baidu Disk 提取码：nkb9
Baidu Disk2 提取码：ud4z
注：这谷歌的两个link和百度两个link之间内容是一样的,不过1.14TB确实有点大了

TNL2K

项目官方地址：https://sites.google.com/view/langtrackbenchmark/
百度网盘, 提取码：pclt
OneDrive链接
 GoogleDrive链接
 TNL2K_evaluation_toolkit

UAV123+UAV20L

项目官方地址：Image and Video Understanding Lab

The complete UAV123 & UAV20L datasets (~13.7GB) can be downloaded here: [GoogleDrive], [FTP]: pw: uav123 Baidu Disk 提取码：vp4r
The downsampled dataset UAV123_10fps (~4.6GB) can be downloaded here: [GoogleDrive], [FTP]: pw: uav123 Baidu Disk 提取码：lfri
A document containing all annotation details can be downloaded here: [GoogleDrive], [FTP]: pw: uav123 [Lanzou Disk]
The modified tracker benchmark (~51MB) with all configuration files and trackers can be downloaded here: [GoogleDrive], [FTP]: pw: uav123 [Lanzou Disk]

VisDrone

VisDrone2019：官网首页 Baidu Disk 提取码：yxb6
最新年份官网：http://aiskyeye.com/

ALOV300++

官网下载页面：有时候这个下载链接会提示错误，多点几次
Download Category
Download Ground Truth
Baidu Disk 提取码：h3xk
ALOV300++比较坑的一点地方就是：他不同序列给出的gt bbox的格式是不一样的，例如有些是(x1,y1,x2,y1,x1,y2,x2,y2)，但又有些是(x2,y1,x1,y1,x1,y2,x2,y2)
可用下面的转化一下：

anno = np.loadtxt(anno_file, delimiter=' ') # 原本的anno格式比较迷
x1, x2 = np.minimum(anno[:, 1], anno[:, 3]), np.maximum(anno[:, 1], anno[:, 3])
y1, y2 = np.minimum(anno[:, 2], anno[:, 8]), np.maximum(anno[:, 2], anno[:, 8])
anno = np.stack((x1, y1, x2 - x1, y2 - y1), axis=1) # xywh

Nfs

官网首页：Need for Speed Dataset
在linux下可以运行下面的命令下载（似乎网络一般的不行）

curl -fSsl http://ci2cv.net/nfs/Get_NFS.sh | bash -

我下载好的：Baidu Pan 提取码：gc7u
evaluation methods应该和OTB相同
Nfs需要注意的一点是：240帧下的dog_2序列与其对应30帧下的不是同一个序列，目前解决方法：只是从240帧下的图片按照名字抽取594帧放到30帧的文件夹下，我已在上面的百度云链接中更新了dog_2序列

TempleColor128

官网链接：Temple Color 128 - Color Tracking Benchmark
官方下载地址：Temple-color-128.zip
Baiduyun Disk：https://pan.baidu.com/s/1vMBNieEzkEWxNJBLC8-wfg 提取码：bn84
evaluation methods应该和OTB相同
1、TempleColor128需要注意的一点是：在每个序列目录下都有seqname_frames.txt，包括了起止的图片索引，这样才会和anno的长度对应上（虽然只对 ‘David’, ‘Football1’ 2个序列起了作用）
2、注意序列Busstation_ce2, Hurdle_ce2里面图片序号不是从1开始的

TLP

Long-Term Visual Object Tracking Benchmark
项目地址：Track Long and Prosper - TLP
Baidu Disk extract code:1h83

NUS-PRO

官网链接：NUS-PRO: A New Visual Tracking Challenge
官网下载：
Data: Baidu, Google Drive (part 1, part 2), Mega
View tool: Baidu, Google Drive, Mega

DTB70

项目地址：drone-tracking
Dropbox link or Baiduyun link

ILSVRC VID/DET

VID 2015
VID 2017
ILSVRC2015_DET.tar.gz
LINUX下可以：

wget https://image-net.org/data/ILSVRC/2015/ILSVRC2015_DET.tar.gz
tar -xzvf ./ILSVRC2015_DET.tar.gz

Youtube BoundingBoxes

官方主页：YouTube-BoundingBoxes Dataset
Download Dataset（only label file）：

Classification in Video Segments - training set (27Mb gzip compressed)
Classification in Video Segments - validation set (3.4Mb gzip compressed)
Object Detection in Video Segments - training set (57Mb gzip compressed)
Object Detection in Video Segments - validation set (6.3Mb gzip compressed)
蓝奏云：https://lanzous.com/ib8prri

Training data:
常见的crop511 from pysot,包括Youtube-BB: BaiduYun, extract code: nbp4

VTUAV

这是cvpr2022最新的用于无人机视角下的rgbt单目标跟踪数据集
官方主页: VTUAV–Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline
里面的有分散的百度网盘和谷歌云盘链接，这里整合了一下:
BaiduYun 提取码：2rb9

WebUAV-3M

cvpr2022出的有3M张uav视角的单目标跟踪数据集，还包括自然语音和音频标注信息，质量较高
homepage
Baidu pan 提取码：UAV3
Google drive

VisEvent

一个事件流跟踪数据集
Github: https://github.com/wangxiao5791509/VisEvent_SOT_Benchmark
Link：https://pan.baidu.com/s/1VhdORXT4OvG8TUESfDZHfw Password：AHUE
主要想讲一下怎么解压：

# 下载下来是这样的
VisEvent_train.z01  VisEvent_train.z02  VisEvent_train.z03  VisEvent_train.z04  VisEvent_train.z05  VisEvent_train.z06  VisEvent_train.zip
VisEvent_test.z01  VisEvent_test.z02  VisEvent_test.z03  VisEvent_test.z04  VisEvent_test.z05  VisEvent_test.zip

需要zip -s 0 VisEvent_train.zip --out Train_Single.zip && unzip Train_Single.zip来进行解压，注意硬盘存储够不够

COESOT

另一个事件流跟踪数据集
Github: https://github.com/Event-AHU/COESOT
Download link: https://pan.baidu.com/s/12XDlKABlz3lDkJJEDvsu9A Passcode：AHUT
ps: 注意VisEvent和COESOT测试集中都存在一些开头几帧没有目标出现的序列，对于这些序列，要定位到首次出现目标的帧然后进行跟踪
但是VisEvent保存的时候是不保存之前的0,0,0,0的帧的结果的，而COESOT是保留的，否则toolkit使用会报错，这个区分一下，写入操作的时候注意一下就好了

VastTrack

Vast Category Visual Object Tracking 包含巨多类别的SOT RGB数据集，也有语言标注
Github: [https://github.com/HengLan/VastTrack)
Download link:
OneDrive: TrainSet
Baidu (Passcode：qs2c): TrainSet