VOT2015 Benchmark简易教程

最新推荐文章于 2024-03-04 11:16:03 发布

yao1131

最新推荐文章于 2024-03-04 11:16:03 发布

阅读量1.5w

点赞数 24

分类专栏：计算机视觉文章标签：算法

本文链接：https://blog.csdn.net/yao1131/article/details/78783236

版权

本文档介绍了Visual Object Tracking Benchmark (VOT2015) 的基本概念，包括其与OTB的区别，以及评估标准——准确性和鲁棒性。此外，还详细阐述了VOT的使用步骤，包括建立工作环境、解决编译和融合问题，以及调试过程中可能遇到的错误和解决方法。最后，提供了一个KCF算法在VOT2015上的融合实例作为参考。

摘要由CSDN通过智能技术生成

Visual Object Tracking Benchmark使用总结

一·简单介绍

Visual Object Tracking是一个认可度比较高的评估单目标跟踪算法的标准，与OTB的主要不同是OTB只会给定第一帧然后让tracker去跟，中间有失败后不会重新reset。而VOT在tracker中间过程跟丢后会重新初始化参数让算法接着跟。VOT里面的主要有两个方面的图像评估标准：准确性和鲁棒性，因为两者的相关性最小。准确性是用average overlap作为衡量标准。什么是average overlap呢？如下图，简单说就是 groundtruth与predicted 区域的重叠部分与两者并起来的面积相除得到的结果。可以参见：vot2016benchmark标准介绍。而鲁棒性则是由跟踪过程中失败的次数来决定的。

二·使用教程

对于VOT来说，并没有OTB那么好调试，因为中间牵涉到了一个trax protocol。而且网上资料比较少，官网的教程也不是很详细。在编译和融合这两步中可能出现很多问题。下面我给大家分享自己的调试经验。
首先，虽然整个流程官网的正个流程没有说明很多隐含的可能发生的错误，但是我们还是要把整个tutorials过一遍，明白大致的过程该怎样走。然后下载一个最新版的