BEOID 数据集包括从准备咖啡到操作举重机和开门的对象交互。数据集记录在六个位置：厨房、工作区、激光打印机、带锁门的走廊、心脏健身房和举重机。对于前四个位置，记录了来自五个不同操作员的序列（每个操作员两个序列），并记录了最后两个位置的三个操作员（每个操作员三个序列）。可穿戴凝视跟踪器硬件（ASL Mobile Eye XG）用于记录数据集。提供具有校准的 2D 凝视注视的同步宽镜头视频数据。此外

OpenDataLab2026-07-12 更新880

OTB2015

视觉跟踪

算法评估

OTB-2015Introduced by Yi Wu et al. in Object Tracking BenchmarkY. Wu, J. Lim and M. -H. Yang, "Object Tracking Benchmark," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 37, n

DataCite Commons2023-10-24 更新280

VOT2019

计算机视觉

视觉跟踪

VOT 挑战赛为跟踪社区提供了一种精确定义和可重复的方式来比较短期跟踪器和长期跟踪器，并为讨论视觉跟踪领域的评估和进步提供了一个通用平台。继六次非常成功的 VOT 挑战之后，第 7 届视觉对象跟踪挑战 VOT2019 研讨会将与 ICCV2019 一起举行。

OpenDataLab2026-07-12 更新1440

信息跟踪基准（ITB）

视觉跟踪

性能评估

信息跟踪基准（ITB）是由鹏城实验室等机构联合开发的一个小而信息丰富的视觉跟踪基准。该数据集从1.2M帧中精选出7%的帧，涵盖了所有典型的挑战性场景，旨在促进跟踪器性能的评估。ITB通过质量评估机制，考虑挑战级别、区分强度和外观变化密度，从现有基准中选择最具信息量的序列，并收集额外序列以确保跟踪场景的多样性和平衡。数据集包含180个序列，每个场景至少有20个序列，适用于评估深度跟踪器在各种实际应用

arXiv2021-12-13 更新620

Kite Tracking

资源简介：

相关数据集