mmtracking单目标跟踪数据集说明以及自定义数据集
官方数据集说明文档可参考：数据集准备 — MMTracking 0.14.0 文档
我对其单目标跟踪的数据集格式简单说明一下。
单目标跟踪用到的数据集包括：LaSOT、UAV123、TrackingNet、OTB100、GOT10k、VOT2018。单目标跟踪任务的训练和测试配置文件中，用到了 MSCOCO， ILSVRC, LaSOT, UAV123, TrackingNet, OTB100 和 GOT10k 数据集。
官方虽然提供了OTB100、VOT2018的数据集下载脚本，但下载速度非常慢，有的则官网都没了，所以想要下载OTB100、VOT2018、UAV123，最快的办法就是使用openxlab
以OTB100为例，查看网址数据集-OpenDataLab
下载方法：
pip install openxlab #安装pip install -U openxlab #版本升级openxlab login #进行登录，输入对应的AK/SKopenxlab dataset info --dataset-repo OpenDataLab/OTB100 #数据集信息及文件列表查看openxlab dataset get --dataset-repo OpenDataLab/OTB100 #数据集下载openxlab dataset download --dataset-repo OpenDataLab/OTB100 --source-path /raw --target-path data/ #数据集文件下载
数据集的结构，要按照官方文档1.5 数据集文件夹结构的说明放好，然后根据文档2. 转换标注格式 执行相应的脚本，生成统一的CocoVID格式，实际上就是在每个数据集下生成了一个annotations文件夹，里面放着一个txt，打开文档看一下：
格式为：图片序列路径、图片序列标注文件路径、开始帧、结束帧，开始帧默认就是1，结束帧可以理解为最后一张图片的序列，或者文件夹下图片的总数。
以data_seq/UAV123/bike1,anno/UAV123/bike1.txt,1,3085为例，data_seq/UAV123/bike1目录下放的是一个视频的图片序列
anno/UAV123/bike1.txt存放的是每张图片，同一个物体的矩形标注框位置703和361是矩形框左上角点的坐标，57是矩形宽度，114是矩形长度。
1为起始ID
3085为data_seq/UAV123/bike1下图片总数量。
了解了CocoVID的格式，那么自定义数据集就不是问题了。思路如下：
1、视频抽帧
视频文件抽帧，图片文件名从000001.jpg开始。
2、标注图片
建议一个视频只跟着一个运动的物体标注，如果数据集实在匮乏，也可以一个视频的图片序列标注多个运动物体，但只要每个运动的物体都生成独立的标注文件就可以了。
3、生成annotations
以“data_seq/UAV123/bike1,anno/UAV123/bike1.txt,1,3085”为例，一行一条数据生成annotations.txt即可。