数据集准备

本页提供关于现有基准测试的数据集准备的说明，包括：

视频目标检测
- ILSVRC
多目标跟踪
- MOT Challenge
- CrowdHuman
- LVIS
- TAO
- DanceTrack
单目标跟踪
- LaSOT
- UAV123
- TrackingNet
- OTB100
- GOT10k
- VOT2018
视频实例分割
- YouTube-VIS

1. 下载数据集

请从官方网站下载数据集。建议将数据集的根目录符号链接到 $MMTRACKING/data。

1.1 视频目标检测

对于视频目标检测任务的训练和测试，只需要 ILSVRC 数据集。
ILSVRC 下的 Lists 包含来自在这里的 txt 文件。

1.2 多目标跟踪

对于多目标跟踪任务的训练和测试，需要 MOT Challenge 中的任意一个数据集（比如 MOT17, TAO和DanceTrack）， CrowdHuman 和 LVIS 可以作为补充数据。
tao 文件夹下包含官方标注的 annotations 可以从这里获取。
lvis 文件夹下包含 lvis-v0.5 官方标注的 annotations 可以从这里下载。./tools/convert_datasets/tao/merge_coco_with_lvis.py 脚本中需到的同义词映射文件 coco_to_lvis_synset.json 可以从这里获取。

1.3 单目标跟踪

对于单目标跟踪任务的训练和测试，需要 MSCOCO， ILSVRC, LaSOT, UAV123, TrackingNet, OTB100 和 GOT10k 数据集。
对于 OTB100 数据集，你不必要手工地从官网下载数据。我们提供了下载脚本。

# 通过网页爬虫下载 OTB100 数据集
python ./tools/convert_datasets/otb100/download_otb100.py -o ./data/otb100/zips -p 8

对于 VOT2018, 我们使用官方的下载脚本。

# 通过网页爬虫下载 VOT2018 数据集
python ./tools/convert_datasets/vot/download_vot.py --dataset vot2018 --save_path ./data/vot2018/data

1.4 视频实例分割

对于视频实例分割任务的训练和测试，只需要 YouTube-VIS 中的任意一个数据集（比如 YouTube-VIS 2019）。

1.5 数据集文件夹结构

如果您的文件夹结构与以下不同，您可能需要更改配置文件中的相应路径。

mmtracking
├── mmtrack
├── tools
├── configs
├── data
│   ├── coco
│   │   ├── train2017
│   │   ├── val2017
│   │   ├── test2017
│   │   ├── annotations
│   │
│   ├── ILSVRC
│   │   ├── Data
│   │   │   ├── DET
|   │   │   │   ├── train
|   │   │   │   ├── val
|   │   │   │   ├── test
│   │   │   ├── VID
|   │   │   │   ├── train
|   │   │   │   ├── val
|   │   │   │   ├── test
│   │   ├── Annotations
│   │   │   ├── DET
|   │   │   │   ├── train
|   │   │   │   ├── val
│   │   │   ├── VID
|   │   │   │   ├── train
|   │   │   │   ├── val
│   │   ├── Lists
│   │
|   ├── MOT15/MOT16/MOT17/MOT20
|   |   ├── train
|   |   ├── test
│   │
|   ├── DanceTrack
|   |   ├── train
|   |   ├── val
|   |   ├── test
|   |
│   ├── crowdhuman
│   │   ├── annotation_train.odgt
│   │   ├── annotation_val.odgt
│   │   ├── train
│   │   │   ├── Images
│   │   │   ├── CrowdHuman_train01.zip
│   │   │   ├── CrowdHuman_train02.zip
│   │   │   ├── CrowdHuman_train03.zip
│   │   ├── val
│   │   │   ├── Images
│   │   │   ├── CrowdHuman_val.zip
│   │
│   ├── lvis
│   │   ├── train (the same as coco/train2017)
│   │   ├── val (the same as coco/val2017)
│   │   ├── test (the same as coco/test2017)
│   │   ├── annotations
│   │   │   ├── coco_to_lvis_synset.json
│   │   │   ├── lvis_v0.5_train.json
│   │   │   ├── lvis_v0.5_val.json
│   │   │   ├── lvis_v1_train.json
│   │   │   ├── lvis_v1_val.json
│   │   │   ├── lvis_v1_image_info_test_challenge.json
│   │   │   ├── lvis_v1_image_info_test_dev.json
│   │
│   ├── tao
│   │   ├── annotations
│   │   │   ├── test_without_annotations.json
│   │   │   ├── train.json
│   │   │   ├── validation.json
│   │   │   ├── ......
│   │   ├── test
│   │   │   ├── ArgoVerse
│   │   │   ├── AVA
│   │   │   ├── BDD
│   │   │   ├── Charades
│   │   │   ├── HACS
│   │   │   ├── LaSOT
│   │   │   ├── YFCC100M
│   │   ├── train
│   │   ├── val
│   │
│   ├── lasot
│   │   ├── LaSOTBenchmark
│   │   │   ├── airplane
|   │   │   │   ├── airplane-1
|   │   │   │   ├── airplane-2
|   │   │   │   ├── ......
│   │   │   ├── ......
│   │
│   ├── UAV123
│   │   ├── data_seq
│   │   │   ├── UAV123
│   │   │   │   ├── bike1
│   │   │   │   ├── boat1
│   │   │   │   ├── ......
│   │   ├── anno
│   │   │   ├── UAV123
│   │
│   ├── trackingnet
│   │   ├── TEST.zip
│   │   ├── TRAIN_0.zip
│   │   ├── ......
│   │   ├── TRAIN_11.zip
│   │
│   ├── otb100
│   │   │── zips
│   │   │   │── Basketball.zip
│   │   │   │── Biker.zip
│   │   │   │──
│   │
│   ├── got10k
│   │   │── full_data
│   │   │   │── train_data
│   │   │   │   ├── GOT-10k_Train_split_01.zip
│   │   │   │   ├── ......
│   │   │   │   ├── GOT-10k_Train_split_19.zip
│   │   │   │   ├── list.txt
│   │   │   │── test_data.zip
│   │   │   │── val_data.zip
│   │
|   ├── vot2018
|   |   ├── data
|   |   |   ├── ants1
|   │   │   │   ├──color
│   │
│   ├── youtube_vis_2019
│   │   │── train
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── valid
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── test
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── train.json (the official annotation files)
│   │   │── valid.json (the official annotation files)
│   │   │── test.json (the official annotation files)
│   │
│   ├── youtube_vis_2021
│   │   │── train
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......
│   │   │── valid
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......
│   │   │── test
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......

2. 转换标注格式

我们使用 CocoVID 来维护代码库中所有的数据集。

基于此，您需要将官方的标注转换为此种格式。我们提供的脚本以及用法如下：

# ImageNet DET
python ./tools/convert_datasets/ilsvrc/imagenet2coco_det.py -i ./data/ILSVRC -o ./data/ILSVRC/annotations

# ImageNet VID
python ./tools/convert_datasets/ilsvrc/imagenet2coco_vid.py -i ./data/ILSVRC -o ./data/ILSVRC/annotations

# MOT17
# MOT Challenge中其余数据集的处理与MOT17相同
python ./tools/convert_datasets/mot/mot2coco.py -i ./data/MOT17/ -o ./data/MOT17/annotations --split-train --convert-det
python ./tools/convert_datasets/mot/mot2reid.py -i ./data/MOT17/ -o ./data/MOT17/reid --val-split 0.2 --vis-threshold 0.3

# DanceTrack
python ./tools/convert_datasets/dancetrack/dancetrack2coco.py -i ./data/DanceTrack -o ./data/DanceTrack/annotations

# CrowdHuman
python ./tools/convert_datasets/mot/crowdhuman2coco.py -i ./data/crowdhuman -o ./data/crowdhuman/annotations

# LVIS
# 合并 LVIS 和 COCO 的标注来训练 QDTrack
python ./tools/convert_datasets/tao/merge_coco_with_lvis.py --lvis ./data/lvis/annotations/lvis_v0.5_train.json --coco ./data/coco/annotations/instances_train2017.json --mapping ./data/lvis/annotations/coco_to_lvis_synset.json --output-json ./data/lvis/annotations/lvisv0.5+coco_train.json

# TAO
# 为 QDTrack 生成过滤后的json文件
python ./tools/convert_datasets/tao/tao2coco.py -i ./data/tao/annotations --filter-classes

# LaSOT
python ./tools/convert_datasets/lasot/gen_lasot_infos.py -i ./data/lasot/LaSOTBenchmark -o ./data/lasot/annotations

# UAV123
# 下载标注
# 由于UAV123数据集的所有视频的标注信息不具有统一性，我们仅需下载提前生成的数据信息文件即可。
wget https://download.openmmlab.com/mmtracking/data/uav123_infos.txt -P data/uav123/annotations

# TrackingNet
# 解压目录 'data/trackingnet/' 下的所有 '*.zip' 文件
bash ./tools/convert_datasets/trackingnet/unzip_trackingnet.sh ./data/trackingnet
# 生成标注
python ./tools/convert_datasets/trackingnet/gen_trackingnet_infos.py -i ./data/trackingnet -o ./data/trackingnet/annotations

# OTB100
# 解压目录 'data/otb100/zips' 下的所有 '*.zip' 文件
bash ./tools/convert_datasets/otb100/unzip_otb100.sh ./data/otb100
# 下载标注
# 由于OTB100数据集的所有视频的标注信息不具有统一性，我们仅需下载提前生成的数据信息文件即可。
wget https://download.openmmlab.com/mmtracking/data/otb100_infos.txt -P data/otb100/annotations

# GOT10k
# 解压 'data/got10k/full_data/test_data.zip', 'data/got10k/full_data/val_data.zip' 和 目录'data/got10k/full_data/train_data/' 下的所有 '*.zip' 文件
bash ./tools/convert_datasets/got10k/unzip_got10k.sh ./data/got10k
# 生成标注
python ./tools/convert_datasets/got10k/gen_got10k_infos.py -i ./data/got10k -o ./data/got10k/annotations

# VOT2018
python ./tools/convert_datasets/vot/gen_vot_infos.py -i ./data/vot2018 -o ./data/vot2018/annotations --dataset_type vot2018

# YouTube-VIS 2019
python ./tools/convert_datasets/youtubevis/youtubevis2coco.py -i ./data/youtube_vis_2019 -o ./data/youtube_vis_2019/annotations --version 2019

# YouTube-VIS 2021
python ./tools/convert_datasets/youtubevis/youtubevis2coco.py -i ./data/youtube_vis_2021 -o ./data/youtube_vis_2021/annotations --version 2021

完成以上格式转换后，文件目录结构如下：

mmtracking
├── mmtrack
├── tools
├── configs
├── data
│   ├── coco
│   │   ├── train2017
│   │   ├── val2017
│   │   ├── test2017
│   │   ├── annotations
│   │
│   ├── ILSVRC
│   │   ├── Data
│   │   │   ├── DET
|   │   │   │   ├── train
|   │   │   │   ├── val
|   │   │   │   ├── test
│   │   │   ├── VID
|   │   │   │   ├── train
|   │   │   │   ├── val
|   │   │   │   ├── test
│   │   ├── Annotations (the official annotation files)
│   │   │   ├── DET
|   │   │   │   ├── train
|   │   │   │   ├── val
│   │   │   ├── VID
|   │   │   │   ├── train
|   │   │   │   ├── val
│   │   ├── Lists
│   │   ├── annotations (the converted annotation files)
│   │
|   ├── MOT15/MOT16/MOT17/MOT20
|   |   ├── train
|   |   ├── test
|   |   ├── annotations
|   |   ├── reid
│   │   │   ├── imgs
│   │   │   ├── meta
│   │
│   ├── DanceTrack
│   │   ├── train
│   │   ├── val
│   │   ├── test
│   │   ├── annotations
│   │
│   ├── crowdhuman
│   │   ├── annotation_train.odgt
│   │   ├── annotation_val.odgt
│   │   ├── train
│   │   │   ├── Images
│   │   │   ├── CrowdHuman_train01.zip
│   │   │   ├── CrowdHuman_train02.zip
│   │   │   ├── CrowdHuman_train03.zip
│   │   ├── val
│   │   │   ├── Images
│   │   │   ├── CrowdHuman_val.zip
│   │   ├── annotations
│   │   │   ├── crowdhuman_train.json
│   │   │   ├── crowdhuman_val.json
│   │
│   ├── lvis
│   │   ├── train (the same as coco/train2017)
│   │   ├── val (the same as coco/val2017)
│   │   ├── test (the same as coco/test2017)
│   │   ├── annotations
│   │   │   ├── coco_to_lvis_synset.json
│   │   │   ├── lvisv0.5+coco_train.json
│   │   │   ├── lvis_v0.5_train.json
│   │   │   ├── lvis_v0.5_val.json
│   │   │   ├── lvis_v1_train.json
│   │   │   ├── lvis_v1_val.json
│   │   │   ├── lvis_v1_image_info_test_challenge.json
│   │   │   ├── lvis_v1_image_info_test_dev.json
│   │
│   ├── tao
│   │   ├── annotations
│   │   │   ├── test_482_classes.json
│   │   │   ├── test_without_annotations.json
│   │   │   ├── train.json
│   │   │   ├── train_482_classes.json
│   │   │   ├── validation.json
│   │   │   ├── validation_482_classes.json
│   │   │   ├── ......
│   │   ├── test
│   │   │   ├── ArgoVerse
│   │   │   ├── AVA
│   │   │   ├── BDD
│   │   │   ├── Charades
│   │   │   ├── HACS
│   │   │   ├── LaSOT
│   │   │   ├── YFCC100M
│   │   ├── train
│   │   ├── val
│   │
│   ├── lasot
│   │   ├── LaSOTBenchmark
│   │   │   ├── airplane
|   │   │   │   ├── airplane-1
|   │   │   │   ├── airplane-2
|   │   │   │   ├── ......
│   │   │   ├── ......
│   │   ├── annotations
│   │
│   ├── UAV123
│   │   ├── data_seq
│   │   │   ├── UAV123
│   │   │   │   ├── bike1
│   │   │   │   ├── boat1
│   │   │   │   ├── ......
│   │   ├── anno (the official annotation files)
│   │   │   ├── UAV123
│   │   ├── annotations (the converted annotation file)
│   │
│   ├── trackingnet
│   │   ├── TEST
│   │   │   ├── anno (the official annotation files)
│   │   │   ├── zips
│   │   │   ├── frames (the unzipped folders)
│   │   │   │   ├── 0-6LB4FqxoE_0
│   │   │   │   ├── 07Ysk1C0ZX0_0
│   │   │   │   ├── ......
│   │   ├── TRAIN_0
│   │   │   ├── anno (the official annotation files)
│   │   │   ├── zips
│   │   │   ├── frames (the unzipped folders)
│   │   │   │   ├── -3TIfnTSM6c_2
│   │   │   │   ├── a1qoB1eERn0_0
│   │   │   │   ├── ......
│   │   ├── ......
│   │   ├── TRAIN_11
│   │   ├── annotations (the converted annotation file)
│   │
│   ├── otb100
│   │   ├── zips
│   │   │   ├── Basketball.zip
│   │   │   ├── Biker.zip
│   │   │   │── ......
│   │   ├── annotations
│   │   ├── data
│   │   │   ├── Basketball
│   │   │   │   ├── img
│   │   │   ├── ......
│   │
│   ├── got10k
│   │   │── full_data
│   │   │   │── train_data
│   │   │   │   ├── GOT-10k_Train_split_01.zip
│   │   │   │   ├── ......
│   │   │   │   ├── GOT-10k_Train_split_19.zip
│   │   │   │   ├── list.txt
│   │   │   │── test_data.zip
│   │   │   │── val_data.zip
│   │   │── train
│   │   │   ├── GOT-10k_Train_000001
│   │   │   │   ├── ......
│   │   │   ├── GOT-10k_Train_009335
│   │   │   ├── list.txt
│   │   │── test
│   │   │   ├── GOT-10k_Test_000001
│   │   │   │   ├── ......
│   │   │   ├── GOT-10k_Test_000180
│   │   │   ├── list.txt
│   │   │── val
│   │   │   ├── GOT-10k_Val_000001
│   │   │   │   ├── ......
│   │   │   ├── GOT-10k_Val_000180
│   │   │   ├── list.txt
│   │   │── annotations
│   │
|   ├── vot2018
|   |   ├── data
|   |   |   ├── ants1
|   │   │   │   ├──color
|   |   ├── annotations
│   │   │   ├── ......
│   │
│   ├── youtube_vis_2019
│   │   │── train
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── valid
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── test
│   │   │   │── JPEGImages
│   │   │   │── ......
│   │   │── train.json (the official annotation files)
│   │   │── valid.json (the official annotation files)
│   │   │── test.json (the official annotation files)
│   │   │── annotations (the converted annotation file)
│   │
│   ├── youtube_vis_2021
│   │   │── train
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......
│   │   │── valid
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......
│   │   │── test
│   │   │   │── JPEGImages
│   │   │   │── instances.json (the official annotation files)
│   │   │   │── ......
│   │   │── annotations (the converted annotation file)

ILSVRC 的标注文件夹

在data/ILSVRC/annotations中有 3 个 JSON 文件:

imagenet_det_30plus1cls.json: 包含 ImageNet DET 训练集标注信息的json文件。30plus1cls 中的 30 表示本数据集与 ImageNet VID 数据集重合的30类，1cls 表示我们将 ImageNet Det 数据集中的其余170类作为一类，并命名为 other_categeries。

imagenet_vid_train.json: 包含 ImageNet VID 训练集标注信息的 JSON 文件。

imagenet_vid_val.json: 包含 ImageNet VID 验证集标注信息的 JSON 文件。

MOT15/MOT16/MOT17/MOT20 的标注和 reid 文件夹

我们以MOT17为例，其余数据集结构相似。

在 data/MOT17/annotations 中有 8 个 JSON 文件:

train_cocoformat.json: 包含 MOT17 训练集标注信息的 JSON 文件。

train_detections.pkl: 包含 MOT17 训练集公共检测结果信息的 pickle 文件。

test_cocoformat.json: 包含 MOT17 测试集标注信息的 JSON 文件。

test_detections.pkl: 包含 MOT17 测试集公共检测结果信息的 pickle 文件。

half-train_cocoformat.json, half-train_detections.pkl, half-val_cocoformat.json 以及 half-val_detections.pkl 具有和 train_cocoformat.json、train_detections.pkl 相似的含义。 half 意味着我们将训练集中的每个视频分成两半。前一半标记为 half-train, 后一半标记为 half-val。

data/MOT17/reid 的目录结构如下:


reid
├── imgs
│   ├── MOT17-02-FRCNN_000002
│   │   ├── 000000.jpg
│   │   ├── 000001.jpg
│   │   ├── ......
│   ├── MOT17-02-FRCNN_000003
│   │   ├── 000000.jpg
│   │   ├── 000001.jpg
│   │   ├── ......
├── meta
│   ├── train_80.txt
│   ├── val_20.txt

train_80.txt 中的 80 意味着将全部 ReID 数据集的80%作为训练集，剩余的20%作为验证集。

训练集标注 train_80.txt 中每一行包含一个文件名和其对应的图片物体真实标签。格式如下：


MOT17-05-FRCNN_000110/000018.jpg 0
MOT17-13-FRCNN_000146/000014.jpg 1
MOT17-05-FRCNN_000088/000004.jpg 2
MOT17-02-FRCNN_000009/000081.jpg 3

MOT17-05-FRCNN_000110 表示 MOT17-05-FRCNN 视频中的第110个人。

验证集标注 val_20.txt 的结构和上面类似。

reid/imgs 中的图片是从 MOT17/train 中原始图片根据对应的 gt.txt 裁剪得到。真实类别标签值在 [0, num_classes - 1] 范围内。

crowdhuman 的标注文件夹

在 data/crowdhuman/annotations 中有 2 个 JSON 文件:

crowdhuman_train.json: 包含 CrowdHuman 训练集标注信息的 JSON 文件。 crowdhuman_val.json: 包含 CrowdHuman 验证集标注信息的 JSON 文件。

lvis 的标注文件夹

在data/lvis/annotations 中有 8 个 JSON 文件:

coco_to_lvis_synset.json: 包含 COCO 和 LVIS 类别映射关系的 JSON 文件。

lvisv0.5+coco_train.json: 包含合并后标注的 JSON 文件。

lvis_v0.5_train.json: 包含 lvisv0.5 训练集标注信息的 JSON 文件。

lvis_v0.5_val.json: 包含 lvisv0.5 测试集标注信息的 JSON 文件。

lvis_v1_train.json: 包含 lvisv1 训练集标注信息的 JSON 文件。

lvis_v1_val.json: 包含 lvisv1 测试集标注信息的 JSON 文件。

lvis_v1_image_info_test_challenge.json: 包含可全年使用的 lvisv1 测试集标注 JSON 文件。

lvis_v1_image_info_test_dev.json: 包含仅一年一次供 LVIS Challenge 使用的 lvisv1 测试集标注 JSON 文件。

tao 的标注文件夹

在data/tao/annotations 中有 9 个 JSON 文件:

test_categories.json: 包含在 TAO 测试集中会被评估的类别序列的 JSON 文件。

test_without_annotations.json: 包含测试视频的 JSON 文件。 images 和 videos 域包含会在测试集中被评估的图片和视频。

test_482_classes.json: 包含测试集转换结果的 JSON 文件。

train.json: 包含 TAO 训练集中 LVIS 类别标注的 JSON 文件。

train_482_classes.json: 包含训练集转换结果的 JSON 文件。

train_with_freeform.json: 包含 TAO 训练集所有类别标注的 JSON 文件。

validation.json: 包含 TAO 验证集中 LVIS 类别标注的 JSON 文件。

validation_482_classes.json: 包含验证集转换结果的 JSON 文件。

validation_with_freeform.json: 包含 TAO 验证集所有类别标注的 JSON 文件。

lasot 的标注文件夹

在 data/lasot/annotations 中有 2 个 JSON 文件:

lasot_train.json: 包含 LaSOT 训练集标注信息的 JSON 文件。 lasot_test.json: 包含 LaSOT 测试集标注信息的 JSON 文件。

在 data/lasot/annotations 中有 2 个 TEXT 文件:

lasot_train_infos.txt: 包含 LaSOT 训练集信息的 TEXT 文件。 lasot_test_infos.txt: 包含 LaSOT 测试集信息的 TEXT 文件。

UAV123 的标注文件夹

在 data/UAV123/annotations 中只有 1 个 JSON 文件:

uav123.json: 包含 UAV123 数据集标注信息的 JSON 文件。

在 data/UAV123/annotations 中有 1 个 TEXT 文件:

uav123_infos.txt: 包含 UAV123 数据集信息的 TEXT 文件。

TrackingNet 的标注和视频帧文件夹

在 data/trackingnet/TEST/frames 文件夹下有 TrackingNet 测试集的 511 个视频目录，每个视频目录下面包含该视频所有图片。data/trackingnet/TRAIN_{*}/frames 下具有类似的文件目录结构。

在 data/trackingnet/annotations 中有 2 个 JSON 文件：

trackingnet_train.json：包含 TrackingNet 训练集标注信息的 JSON 文件。 trackingnet_test.json：包含 TrackingNet 测试集标注信息的 JSON 文件。

在 data/trackingnet/annotations 中有 2 个 TEXT 文件：

trackingnet_train_infos.txt：包含 TrackingNet 训练集信息的 TEXT 文件。 trackingnet_test_infos.txt：包含 TrackingNet 测试集信息的 TEXT 文件。

OTB100 的标注和视频帧文件夹

在 data/otb100/data 文件夹下有 OTB100 数据集的 98 个视频目录，每个视频目录下的 img 文件夹包含该视频所有图片。

在 data/otb100/data/annotations 中只有 1 个 JSON 文件：

otb100.json：包含 OTB100 数据集标注信息的 JSON 文件

在 data/otb100/annotations 中有 1 个 TEXT 文件:

otb100_infos.txt: 包含 OTB100 数据信息的 TEXT 文件。

GOT10k 的标注和视频帧文件夹

在 data/got10k/train 文件夹下有 GOT10k 训练集的视频目录，每个视频目录下面包含该视频所有图片。data/got10k/test 和 data/got10k/val 下具有类似的文件目录结构。

在 data/got10k/annotations 中有 3 个 JSON 文件：

got10k_train.json：包含 GOT10k 训练集标注信息的 JSON 文件。

got10k_test.json：包含 GOT10k 测试集标注信息的 JSON 文件。

got10k_val.json：包含 GOT10k 验证集标注信息的 JSON 文件。

在 data/got10k/annotations 中有 5 个 TEXT 文件：

got10k_train_infos.txt：包含 GOT10k 训练集信息的 TEXT 文件。

got10k_test_infos.txt：包含 GOT10k 测试集信息的 TEXT 文件。

got10k_val_infos.txt：包含 GOT10k 验证集信息的 TEXT 文件。

got10k_train_vot_infos.txt：包含 GOT10k train_vot 划分集信息的 TEXT 文件。

got10k_val_vot_infos.txt：包含 GOT10k val_vot 划分集信息的 TEXT 文件。

VOT2018的标注和视频帧文件夹

在 data/vot2018/data 文件夹下有 VOT2018 数据集的 60 个视频目录，每个视频目录下的 color 文件夹包含该视频所有图片。

在 data/vot2018/data/annotations 中只有一个 JSON 文件：

vot2018.json：包含 VOT2018 数据集标注信息的 JSON 文件。

在 data/vot2018/data/annotations 中只有一个 TEXT 文件：

vot2018_infos.txt：包含 VOT2018 数据集信息的 TEXT 文件。

youtube_vis_2019/youtube_vis2021 的标注文件夹

在 data/youtube_vis_2019/annotations 或者 data/youtube_vis_2021/annotations 下有 3 个 JSON 文件：

youtube_vis_2019_train.json/youtube_vis_2021_train.json: 包含着 youtube_vis_2019/youtube_vis2021 训练集注释信息的 JSON 文件。

youtube_vis_2019_valid.json/youtube_vis_2021_valid.json: 包含着 youtube_vis_2019/youtube_vis2021 验证集注释信息的 JSON 文件。

youtube_vis_2019_test.json/youtube_vis_2021_test.json: 包含着 youtube_vis_2019/youtube_vis2021 测试集注释信息的 JSON 文件。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

dataset.md

dataset.md

数据集准备

1. 下载数据集

1.1 视频目标检测

1.2 多目标跟踪

1.3 单目标跟踪

1.4 视频实例分割

1.5 数据集文件夹结构

2. 转换标注格式

ILSVRC 的标注文件夹

MOT15/MOT16/MOT17/MOT20 的标注和 reid 文件夹

crowdhuman 的标注文件夹

lvis 的标注文件夹

tao 的标注文件夹

lasot 的标注文件夹

UAV123 的标注文件夹

TrackingNet 的标注和视频帧文件夹

OTB100 的标注和视频帧文件夹

GOT10k 的标注和视频帧文件夹

VOT2018的标注和视频帧文件夹

youtube_vis_2019/youtube_vis2021 的标注文件夹

Files

dataset.md

Latest commit

History

dataset.md

File metadata and controls

数据集准备

1. 下载数据集

1.1 视频目标检测

1.2 多目标跟踪

1.3 单目标跟踪

1.4 视频实例分割

1.5 数据集文件夹结构

2. 转换标注格式

ILSVRC 的标注文件夹

MOT15/MOT16/MOT17/MOT20 的标注和 reid 文件夹

crowdhuman 的标注文件夹

lvis 的标注文件夹

tao 的标注文件夹

lasot 的标注文件夹

UAV123 的标注文件夹

TrackingNet 的标注和视频帧文件夹

OTB100 的标注和视频帧文件夹

GOT10k 的标注和视频帧文件夹

VOT2018的标注和视频帧文件夹

youtube_vis_2019/youtube_vis2021 的标注文件夹