【亲测免费】 RGB-T追踪数据集基准资源文件介绍

本文档提供了一系列RGB-T追踪数据集的基准资源文件，包括GTOT、RGBT210、RGBT234、VOT-2019-2020、LasHeR和VTUAV。这些数据集是进行RGB-T目标追踪研究的重要资源，涵盖了多种场景和挑战，适用于不同类型的追踪算法评估和开发。

数据集简介

GTOT

• 来源: 2016 IEEE Transactions on Image Processing (T-IP)
• 内容: 包含50个视频对，每个视频对由灰度图片和热红外图片组成。
• 特点: 视频拍摄场景多样，包括实验室、校园道路、操场等。

RGBT210

• 来源: 2017 ACM MM
• 内容: 包含210个视频，总计210K帧。
• 特点: 适用于长时追踪，视频对的对齐没有前置或后置操作。

RGBT234

• 来源: 2019 Pattern Recognition (PR)
• 内容: 包含234个RGB-T视频序列对及其对应真值。
• 特点: 标注序列第一帧的真值格式为(x, y, box-width, box-height)。

VOT-2019-2020

• 来源: VOT-2019与VOT-2020的RGB-T赛道
• 内容: 从RGBT234中挑选出来的数据集。
• 特点: 使用旋转的边界框进行注释。

LasHeR

• 来源: 安徽大学李成龙课题组
• 内容: 包含1224个对齐RGB-T视频序列，总计730K帧。
• 特点: 包含32个目标类别和19个挑战属性。

VTUAV

• 来源: 大连理工卢湖川课题组
• 内容: 包含500个序列，1700K个图片对，分辨率为1920*1080。
• 特点: 适用于短期追踪、长期追踪、目标分割预测。

使用说明

1. 下载: 通过提供的链接下载相应的数据集文件。
2. 解压: 解压缩下载的文件以获取数据集内容。
3. 使用: 根据研究需求，使用数据集进行算法开发和评估。

注意事项

• 数据集的对齐和标注可能存在误差，使用时需注意。
• 部分数据集可能需要特定的软件工具进行处理和分析。

参考文献

• GTOT: Learning Collaborative Sparse Representation for Grayscale-thermal Tracking
• RGBT210: Weighted Sparse Representation Regularized Graph Learning for RGB-T Object Tracking
• RGBT234: RGB-T Object Tracking: Benchmark and Baseline
• VOT-2019-2020: VOT-2019与VOT-2020的RGB-T赛道数据集
• LasHeR: RGBT跟踪的大规模高多样性基准
• VTUAV: Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline

通过这些数据集，研究人员可以更好地理解和开发RGB-T追踪技术，推动该领域的发展。