FastTracker-Benchmark
收藏资源简介：
FastTrack是一个大规模的基准数据集，用于评估在复杂和高密度交通环境中的多目标跟踪性能。它包括12个视频中的80万个带注释的目标检测，平均每帧43.5个目标。该数据集包含9个与交通相关的类别，并覆盖了多种真实世界的交通场景，如多车道交叉路口、隧道、人行横道和合并道路，这些场景在不同的光照条件下（白天、夜晚、阴影中）被捕获。
FastTrack is a large-scale benchmark dataset for evaluating multi-object tracking performance in complex and high-density traffic environments. It contains 800,000 annotated object detections across 12 videos, with an average of 43.5 targets per frame. The dataset includes 9 traffic-related categories and covers a variety of real-world traffic scenarios such as multi-lane intersections, tunnels, crosswalks, and merging roads, which are captured under different lighting conditions including daytime, nighttime, and shaded areas.
FastTracker Benchmark 数据集概述
基本信息
- 许可证: bigscience-openrail-m
- 任务类别: 目标检测
- 语言: 英语
- 标签: 多目标跟踪
- 数据集名称: FastTracker-Benchmark
- 数据规模: 10万到100万之间
数据集简介
FastTracker Benchmark 是一个新的大规模基准数据集，包含多样化的车辆类别和帧级跟踪标注，首次在论文《FastTracker: Real-Time and Accurate Visual Tracking》中提出。
数据集特点
规模统计
| 属性 | UrbanTracker | CityFlow | FastTracker |
|---|---|---|---|
| 年份 | 2014 | 2022 | 2025 |
| 检测数量 | 12.5K | 890K | 800K |
| 视频数量 | 5 | 40 | 12 |
| 每帧对象数 | 5.4 | 8.2 | 43.5 |
| 类别数量 | 3 | 1 | 9 |
| 场景数量 | 1 | 4 | 12 |
核心特征
- 内容: 包含80万个标注对象检测，覆盖12个视频
- 密度: 平均每帧43.5个对象
- 类别: 9个交通相关类别
- 场景: 多车道交叉口、隧道、人行横道、合流道路等多种真实交通场景
- 光照条件: 白天、夜间、阴影等不同光照条件
创建目的
为解决现有基准数据集（如UrbanTracker和CityFlow）在场景类型多样性和对象密度方面的局限性，引入了极端拥挤、长期遮挡和多样化运动模式等挑战性条件。
应用领域
- 多目标跟踪
- 重识别
- 在线跟踪评估
- 城市场景理解
- 遮挡和拥挤条件下的跟踪算法基准测试
目标用户
- 计算机视觉和智能交通系统领域的研究人员和从业者
- 专注于实时跟踪、城市交通、自动驾驶和边缘部署的专业人士
- 从事轻量级或环境感知跟踪模型的学生和开发人员
数据结构
遵循MOTChallenge标准标注格式，每个地面实况文件（gt/gt.txt）包含每帧的对象标注列表，采用CSV格式，共10列。
引用信息
bibtex @misc{hashempoor2025fasttrackerrealtimeaccuratevisual, title={FastTracker: Real-Time and Accurate Visual Tracking}, author={Hamidreza Hashempoor and Yu Dong Hwang}, year={2025}, eprint={2508.14370}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2508.14370}, }
