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
多目标跟踪
单目标跟踪
视频实例分割
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¶
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 ./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/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。