数据集之单目标跟踪学习笔记

1、OTB(Online Object Tracking Benckmark)，它是一个经典的目标跟踪数据集，包含了100个视频序列，涵盖了各种场景和挑战性的情况，有很多个评价指标，比如：APE、AOR。

    APE(Average Pix111        el Error)：平均像素误差，用来判断两个矩形框（预测框和真实框）的靠近程度（也就是框中心位置像素距离），值越大，说明误差越大；

    AOR(Average Overlap Rate)：平均重叠率，两个矩形框（预测框和真实框）交集面积与并集面积之比取帧平均，用来判断两个矩形框的重叠程度，值越大则重叠的越多，说明跟踪精度较高。

2、GOT-10K是一个通用的目标跟踪数据集，包含了10000个视频序列，覆盖了多种目标类别和场景，主要的评价指标有AO、SR。

    AO：平均重叠率，表示所有基本事实和估计边界框之间重叠的平均值；

    SR：成功率，测量的是重叠超过阈值（例如，0.5）的成功跟踪帧的百分比。

3、VOT是一个针对视觉目标跟踪的挑战性数据集，包含了多个视频序列，并提供了丰富的挑战性标注，如目标尺度变化、遮挡、快速运动等，主要的评价指标有A、R、EAO、EFO。

    准确率Accuracy：在单个测试序列下的平均重叠率（即AOR），只考虑跟踪成功的帧；

    鲁棒性Robu