TrackingNet は、屋外ビデオで構成される大規模なオブジェクト追跡データセットです。データセットには 30,643 個のビデオ クリップが含まれており、30,132 個のトレーニング ビデオと 511 個のテスト ビデオに分かれており、ビデオごとに平均 470,9 フレームが含まれています。

このデータセットは、1,400 万を超える高密度のバウンディング ボックス アノテーションを提供し、さまざまなフレーム レート、解像度、コンテキスト シーン、オブジェクト カテゴリなど、屋外シーンのさまざまな状況をカバーします。

以前のターゲット追跡データ セットとは異なり、TrackingNet はトレーニング セットとテスト セットの 2 つの部分に分かれています。作成者は Youtube のバウンディング ボックスから 30,132 個のトレーニング ビデオを厳選し、トレーニング セットのテスト セットと同様の 511 個のビデオ構成を構築しました。 。