中科院發布了目標追蹤數據集，1萬多條視頻，150萬個邊界框

動栗 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

中科院發布了一個目標追蹤數據集，叫做Got-10k。很大，很精緻。

它包含了超過10,000條視頻，主角都是在現實世界裡移動的物體，分成560多個類別。

物體的邊界框全部是手動標記，總計超過150萬個。

除此之外，數據集還是個Benchmark，可以用來衡量模型的性能，也已經有排行榜了。

官方還提供Python工具包，以便小夥伴們用這個Benchmark來測試自己的AI。

那麼，來仔細觀察一下數據集，吧。

事無巨細

除了規模大，Got-10k還有許多重要的特質。

通用類別 (Generic Classes)

數據集是以WordNet英文辭彙資料庫作為骨架，搭建起來的。分成5個大類：

動物(Animal) 、人造物體(Artifact) 、人物(Person) 、自然物體(Natural Object) ，以及Part。

大類之下再細分，一共563個類別。

上面講的是目標類別，只是數據的其中一個標籤。

另一個標籤是動作類別，一共分為87種。一部分按照WordNet來劃分，還有一部分是數據收集者定義的。

單樣本學習 (One-Shot Learning)

為了訓練出的模型能有更強的泛化能力，訓練集和測試集之間不存在交集。

模型可以用少量的數據去學習分類，這樣也能避免測試結果偏向AI熟悉的那些樣本類別。

統一訓練數據 (Unified Training Data)

所有方法都用相同的訓練數據。依靠這樣的協議，來保障所有追蹤器之間的公平對比。

額外標記 (Extra Labeling)

除了目標類別、動作類別和標記框之外，還有其他標籤。

比如，目標可見比 (針對遮擋或者出畫的情況) ，負責監督那些難度比較大的任務。

有效評估 (Efficient Evaluation)

測試集包含180段視頻，分屬於84個目標類別，32個動作類別，用來衡量模型的追蹤能力。

萬事俱備，只差你了

現在，完整的GOT-10k數據集已經可以下載了。

並且，評估伺服器 (Evaluation Server) 準備好為各路模型打分了，排行榜也會實時更新。

溫暖的官方為小夥伴們提供了Python工具包，用來運行實驗，方便在Benchmark上評估性能。

另外，除了Python工具包，還有MABLAB工具包。

你還不來么？

這樣好像可以玩一天

數據集傳送門：

http://got-10k.aitestunion.com/downloads

Python工具包：

https://github.com/got-10k/toolkit

MATLAB工具包：

https://github.com/got-10k/toolkit-matlab

數據集論文：

https://arxiv.org/abs/1810.11981

—完—

年度評選報名

加入社群

量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡就點「好看」吧 !

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！