RGBT Tracking Datasets and Benchmark Code

RGBT跟踪数据集和基准代码，包括LasHeR、RGBT234、RGBT210和GTOT等数据集，用于RGB-T跟踪算法的评估和研究。

The RGBT tracking dataset and benchmark code, including datasets such as LasHeR, RGBT234, RGBT210, and GTOT, are utilized for the evaluation and research of RGB-T tracking algorithms.

原始信息汇总

数据集概述

RGBT Tracking Datasets and Benchmark Code

• LasHeR:

  • 数据集下载链接: Download 提取码: z320
  • 工具包下载链接: Download 提取码: mmic
  • 跟踪结果下载链接: Baidu Yun 提取码: mmic, Google Drive

• RGBT234:

  • 数据集下载链接: Download 提取码: mmic
  • 工具包下载链接: Download 提取码: 4f68
  • 跟踪结果下载链接: Baidu Yun 提取码: mmic, Google Drive

• RGBT210:

  • 数据集下载链接: Download 提取码: ps8j
  • 工具包下载链接: Download 提取码: 8wtc
  • 跟踪结果下载链接: Baidu Yun 提取码: mmic, Google Drive

• GTOT:

  • 数据集下载链接: Download 提取码: mmic
  • 工具包下载链接: Download 提取码: d53m
  • 跟踪结果下载链接: Baidu Yun 提取码: mmic, Google Drive

Modality-missing RGBT Tracking Datasets

• RGBT234-Miss:

  • 数据集下载链接: Download

• LasHeR245-Miss:

  • 数据集下载链接: Download

• VTUAV176-Miss:

  • 数据集下载链接: Download

Cross-Modal Object Tracking Dataset

• CMOTB-Easy:

  • 数据集下载链接: Download 提取码: 1234

• CMOTB-Hard:

  • 数据集下载链接: Download 提取码: viq4

• Results:

  • 结果下载链接: Download 提取码: xxv0

• Tool-Kit:

  • 工具包下载链接: https://github.com/xfarawayx/CMOTB_Toolkit

RGBT Salient Object Detection Datasets and Benchmark Code

• VT821:

  • 数据集下载链接: Download 提取码: 9yqv

• VT1000:

  • 数据集下载链接: Download 提取码: tb6l

• VT5000:

  • 数据集下载链接: Download 提取码: y9jj

• Evalution:

  • 评估工具下载链接: GitHub

UAV-Ground Visual Tracking Dataset

• Dataset:
  • 数据集下载链接: Download

Tiny Object Tracking Dataset and Benchmark Code

• Dataset and Evaluation toolbox:

  • 数据集和评估工具下载链接: GitHub

• Google Drive link:

  • 谷歌云端硬盘链接: Google Drive

Remote Sensing Datasets

• FE4395:
  • 数据集下载链接: Download 提取码: xlel

Visible Image Guided Thermal Image Super-Resolution Dataset

• VGTSR (Baidu):

  • 数据集下载链接: Download 提取码: pfsm

• VGTSR (Google Drive):

  • 数据集下载链接: Download

Hand Hygiene Assessment Dataset

• HHA300:
  • 数据集下载链接: Download 提取码: mmic

Enlarged License Plate Recognition Benchmark Dataset

• ELPR:
  • 数据集下载链接: Download 提取码: 4fvf

Optical Image Guided SAR Image Object Detection Dataset

• OGSOD-1.0 (Baidu):

  • 数据集下载链接: Download 提取码: 7l6j

• OGSOD-1.0 (Google Drive):

  • 数据集下载链接: Download

• OGSOD-1.0 (Rotated Label) (Baidu):

  • 数据集下载链接: Download 提取码: nn31

OSPRC Dataset

• OSPRC:
  • 数据集下载链接: Download 提取码: d7bs

Text-to-Image Vehicle Re-identification Dataset

• T2I VeRi (Baidu):

  • 数据集下载链接: Download 提取码: h4ec

• T2I VeRi (Google Drive):

  • 数据集下载链接: Download

Dense Tiny Object Detection Dataset

• DTOD (Baidu):
  • 数据集下载链接: Download 提取码: k6ig

Multimodal Object Tracking Dataset Based on High Altitude Drones

• HiAl (Baidu):
  • 数据集下载链接: Download 提取码: n764

搜集汇总

数据集介绍

构建方式

RGBT Tracking Datasets and Benchmark Code 数据集的构建方式主要通过整合多种传感器数据，包括可见光（RGB）和热红外（Thermal）图像，以创建多模态对象跟踪数据集。这些数据集如LasHeR、RGBT234、RGBT210和GTOT等，均通过精心设计的采集和标注流程生成，确保每帧图像中的对象都能被准确识别和跟踪。此外，数据集还包含了模态缺失的场景，如RGBT234-Miss和LasHeR245-Miss，以模拟实际应用中的复杂环境，从而提高模型的鲁棒性。

特点

该数据集的主要特点在于其多模态数据的融合，不仅包含可见光图像，还结合了热红外图像，使得在低光照或复杂背景条件下仍能有效进行对象跟踪。此外，数据集还特别设计了模态缺失的场景，以测试和提升算法在不同模态信息缺失情况下的适应能力。数据集的多样性和复杂性为研究者提供了丰富的实验环境，有助于推动多模态跟踪技术的发展。

使用方法

使用该数据集时，研究者可以通过提供的下载链接获取各个子数据集，并结合相应的工具包进行数据处理和模型训练。数据集的评估工具和基准代码也已公开，便于研究者进行性能对比和算法验证。此外，数据集还提供了多种存储方式，包括百度云和Google Drive，方便全球研究者获取和使用。通过这些资源，研究者可以深入探索多模态对象跟踪技术，并开发出更加高效和鲁棒的算法。

背景与挑战

背景概述

RGBT Tracking Datasets and Benchmark Code 是由多个研究机构和研究人员共同开发的多模态目标跟踪数据集，旨在推动可见光与热红外图像融合跟踪技术的发展。该数据集涵盖了多种场景和挑战，包括RGBT234、LasHeR、GTOT等，为研究人员提供了丰富的资源以验证和改进多模态跟踪算法。这些数据集的创建不仅为计算机视觉领域的目标跟踪研究提供了新的基准，还为跨模态数据处理和分析提供了宝贵的实验平台。

当前挑战

RGBT Tracking Datasets and Benchmark Code 面临的主要挑战包括：1) 多模态数据融合的复杂性，如何有效整合可见光与热红外图像的信息以提高跟踪精度；2) 数据集的多样性和规模，确保在不同环境、光照条件和目标特性下算法的鲁棒性；3) 数据集构建过程中的标注和校准问题，确保数据的准确性和一致性。此外，如何处理模态缺失的情况（如RGBT234-Miss）也是该数据集面临的一个重要挑战。

常用场景

经典使用场景

RGBT Tracking Datasets and Benchmark Code 数据集在多模态目标跟踪领域中具有广泛的应用。该数据集通过整合可见光（RGB）和热红外（Thermal）图像，为研究人员提供了一个丰富的实验平台，用于开发和评估跨模态目标跟踪算法。其经典使用场景包括在复杂环境下的目标跟踪，如低光照、雾霾或遮挡等条件下，利用RGB和热红外图像的互补特性，提升跟踪算法的鲁棒性和准确性。

实际应用

在实际应用中，RGBT Tracking Datasets 被广泛应用于智能监控、自动驾驶、无人机导航等领域。例如，在夜间或恶劣天气条件下，热红外图像可以弥补可见光图像的不足，提升目标检测和跟踪的可靠性。此外，该数据集还支持多模态融合技术的开发，为智能系统提供了更强大的感知能力，从而在复杂环境中实现更精准的目标跟踪。

衍生相关工作

基于 RGBT Tracking Datasets，许多经典工作得以展开，包括多模态融合算法的研究、模态缺失情况下的目标跟踪方法，以及跨模态显著性检测等。这些工作不仅推动了多模态目标跟踪技术的发展，还为相关领域的研究提供了新的思路和方法。例如，MArMOT、MAFNet 和 ProtoTrack 等算法在数据集上进行了验证，展示了多模态融合在目标跟踪中的潜力。