Visual Tracker Benchmark简易教程

最新推荐文章于 2024-08-23 08:45:34 发布

yao1131

最新推荐文章于 2024-08-23 08:45:34 发布

阅读量2.5k

点赞数 2

分类专栏：计算机视觉

本文链接：https://blog.csdn.net/yao1131/article/details/78060341

版权

本文介绍了Visual Tracker Benchmark，一个广泛认可的单目标跟踪算法评估标准。内容包括precision_plot和success_plot两个评估标准，以及OPE、TRE、SRE三种评估方式。详细讲解了如何使用该基准进行算法测试，涉及anno、figs、perfMat、results等文件夹的作用，以及如何配置和运行trackers。还提供了evalType参数选择和perfPlot函数的用法，以及获取预训练结果的资源链接。

摘要由CSDN通过智能技术生成

Visual Tracker Benchmark使用总结

一·简单介绍

Visual Tracker Benchmark是一个认可度比较高的评估单目标跟踪算法的标准，里面的主要有两个方面的图像评估标准：precision_plot 和 success_plot，可以通过三种方式对图像进行评估：OPE,TRE,SRE.具体介绍可以参见：http://blog.csdn.net/hjl240/article/details/52453030 其中，success_plot进行评估时不一定要取0.5作为阈值，对于ALOV数据集是采用0.5作为阈值的。而对于OTB来说，是求取success_plot 曲线下面的面积最为最终的success_plot 分数的。

二·使用教程

首先，在benchmark的代码文件tracker_benchmark_v1.0中想了解整个框架，先读README.txt文件，接下来介绍的也就是里面的东西。对里面的一些重要函数以及文件夹作用进行介绍：
1.anno文件：主要存储的是数据集的bounding box。
2.figs文件：存储的是一些实验跑出的图片，就是各种属性的准确度或者成功率图。
3.perfMat文件：存储最终用于画图的mat文件。
4.results文件：存储的每个trackers的跟踪结果的mat文件和perfMat不一样