VOT2015 Benchmark简易教程

yao1131

于 2017-12-12 16:28:13 发布

阅读量1.5w

点赞数 24

CC 4.0 BY-SA版权

分类专栏：计算机视觉文章标签：算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/yao1131/article/details/78783236

本文档介绍了Visual Object Tracking Benchmark (VOT2015) 的基本概念，包括其与OTB的区别，以及评估标准——准确性和鲁棒性。此外，还详细阐述了VOT的使用步骤，包括建立工作环境、解决编译和融合问题，以及调试过程中可能遇到的错误和解决方法。最后，提供了一个KCF算法在VOT2015上的融合实例作为参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Visual Object Tracking Benchmark使用总结

一·简单介绍

Visual Object Tracking是一个认可度比较高的评估单目标跟踪算法的标准，与OTB的主要不同是OTB只会给定第一帧然后让tracker去跟，中间有失败后不会重新reset。而VOT在tracker中间过程跟丢后会重新初始化参数让算法接着跟。VOT里面的主要有两个方面的图像评估标准：准确性和鲁棒性，因为两者的相关性最小。准确性是用average overlap作为衡量标准。什么是average overlap呢？如下图，简单说就是 groundtruth与predicted 区域的重叠部分与两者并起来的面积相除得到的结果。可以参见：vot2016benchmark标准介绍。而鲁棒性则是由跟踪过程中失败的次数来决定的。

二·使用教程

对于VO

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 37

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。