目标跟踪领域的数据集(Lasot,Got10k,TrackingNet, ImageNet-VID(ILSVRC 2015-VID))有多大
1. Lasot
Lasot address link
一共70个压缩包,也就是70类,每一类包含20个序列。共227GB。
压缩包中是啥呢?
以airplane为例,它是这样的:
再往里是这样的:
再往里img中是这样的:
groundtruth.txt是这样的:
2. Got10k
可以看到Full data一个是66GB.
文件结构是这样的:
3. TrackingNet
共有13个压缩包,Train每个基本上都80GB以上,一个Test也有33G,一共是1061GB。
这个我没下载,太大了。
4. ImageNet-VID(ILSVRC 2015-VID)
我下载下来是92.1GB(ubunt系统下显示大小)。
官网上是86GB:
文件夹构成是这样的:
文件夹结构图:
ILSVRC2015
├── Annotations
│ └── VID
│ ├── train
│ │ ├── ILSVRC2015_VID_train_0000
│ │ ├── ILSVRC2015_VID_train_0001
│ │ ├── ILSVRC2015_VID_train_0002
│ │ └── ILSVRC2015_VID_train_0003
│ └── val
│ ├── ILSVRC2015_val_00000000
│ ├── ILSVRC2015_val_00000001
│ ├── ILSVRC2015_val_00000002
│ ├── ILSVRC2015_val_00000003
│ ├── ILSVRC2015_val_00000004
│ ├── ...
│ ├── ILSVRC2015_val_00177000
│ └── ILSVRC2015_val_00177001
├── cache.json
├── Data
│ └── VID
│ ├── snippets
│ │ ├── test
│ │ ├── train
│ │ └── val
│ ├── test
│ │ ├── ILSVRC2015_test_00000000
│ │ ├── ILSVRC2015_test_00001000
│ │ ├── ...
│ │ ├── ILSVRC2015_test_00291000
│ │ └── ILSVRC2015_test_00291001
│ ├── train
│ │ ├── ILSVRC2015_VID_train_0000
│ │ ├── ILSVRC2015_VID_train_0001
│ │ ├── ILSVRC2015_VID_train_0002
│ │ └── ILSVRC2015_VID_train_0003
│ └── val
│ ├── ILSVRC2015_val_00000000
│ ├── ILSVRC2015_val_00000001
│ ├── ...
│ ├── ILSVRC2015_val_00177000
│ └── ILSVRC2015_val_00177001
├── ImageSets
│ └── VID
│ ├── test.txt
│ ├── train_10.txt
│ ├── train_11.txt
│ ├── train_12.txt
│ ├── train_13.txt
│ ├── train_14.txt
│ ├── train_15.txt
│ ├── train_16.txt
│ ├── train_17.txt
│ ├── train_18.txt
│ ├── train_19.txt
│ ├── train_1.txt
│ ├── train_20.txt
│ ├── train_21.txt
│ ├── train_22.txt
│ ├── train_23.txt
│ ├── train_24.txt
│ ├── train_25.txt
│ ├── train_26.txt
│ ├── train_27.txt
│ ├── train_28.txt
│ ├── train_29.txt
│ ├── train_2.txt
│ ├── train_30.txt
│ ├── train_3.txt
│ ├── train_4.txt
│ ├── train_5.txt
│ ├── train_6.txt
│ ├── train_7.txt
│ ├── train_8.txt
│ ├── train_9.txt
│ └── val.txt
└── Record
├── VID_2015_train.tfrecord
└── VID_2015_val.tfrecord
具体数据集介绍可以参考这个博客.