动栗 发自 凹非寺

量子位 出品 | 公众号 QbitAI

中科院发布了一个目标追踪数据集，叫做Got-10k。很大，很精致。

它包含了超过10,000条视频，主角都是在现实世界里移动的物体，分成560多个类别。

物体的边界框全部是手动标记，总计超过150万个。

除此之外，数据集还是个Benchmark，可以用来衡量模型的性能，也已经有排行榜了。

官方还提供Python工具包，以便小伙伴们用这个Benchmark来测试自己的AI。

那么，来仔细观察一下数据集，吧。

事无巨细

除了规模大，Got-10k还有许多重要的特质。

通用类别 (Generic Classes)

数据集是以WordNet英文词汇数据库作为骨架，搭建起来的。分成5个大类：

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

大类之下再细分，一共563个类别。

上面讲的是目标类别，只是数据的其中一个标签。

另一个标签是动作类别，一共分为87种。一部分按照WordNet来划分，还有一部分是数据收集者定义的。

单样本学习 (One-Shot Learning)

为了训练出的模型能有更强的泛化能力，训练集和测试集之间不存在交集。

模型可以用少量的数据去学习分类，这样也能避免测试结果偏向AI熟悉的那些样本类别。

统一训练数据 (Unified Training Data)

所有方法都用相同的训练数据。依靠这样的协议，来保障所有追踪器之间的公平对比。

额外标记 (Extra Labeling)

除了目标类别、动作类别和标记框之外，还有其他标签。

比如，目标可见比 (针对遮挡或者出画的情况) ，负责监督那些难度比较大的任务。

有效评估 (Efficient Evaluation)

测试集包含180段视频，分属于84个目标类别，32个动作类别，用来衡量模型的追踪能力。

万事俱备，只差你了

现在，完整的GOT-10k数据集已经可以下载了。

并且，评估服务器 (Evaluation Server) 准备好为各路模型打分了，排行榜也会实时更新。

温暖的官方为小伙伴们提供了Python工具包，用来运行实验，方便在Benchmark上评估性能。

另外，除了Python工具包，还有MABLAB工具包。

你还不来么？

△ 这样好像可以玩一天

数据集传送门：

Python工具包：

MATLAB工具包：

数据集论文：

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态