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Robustness：在单个测试序列下的跟踪失败的次数，跟踪失败也就是重叠率为0；

    EAO(Expected Average Overlap)：平均重叠期望，数值越大，准确率越高；

    EFO(Equivalent Filter Operations)：用来衡量速度的指标。

4、LaSOT是一个大规模的长期跟踪基准，有280个长期测试视频，平均长度为2448帧，主要的评价指标有AUC、NP。

    AUC：指的是ROC曲线下的面积，使用AUC作为评价指标是因为在某些情况ROC曲线并不能清晰的说明哪个分类器好，而AUC是一个数值，值越大，分类器效果越好；

    NP(Negative Pre)：是指“不匹配”评价指标，用来衡量目标跟踪器在跟踪过程中预测为负类（即未匹配到目标）的准确性。

5、TrackingNet是指包含511个短期测试视频的大规模视觉跟踪基准，使用的评价指标有：AUC、

NP。

6、UAV123从空中角度包含123个测试序列，评价指标有AUC。

7、TNL2K是一个新提出的数据集，包含700个测试视频，有很多热场景、对抗场景和虚拟场景，主要的评价指标为AUC。

8、NFS包含100个测试视频，但是有许多具有快速运动和分心物的场景，评价指标有AUC。