关于数据集的问题

[SongJgit]

作者您好，我在做一些跟踪方面的任务，考虑直接使用您提供的检测结果作为detection
我注意到您已经将数据进行了划分，但是标签中没有了track id，无法用于评估跟踪的性能，想问一下，您那里还有原始的数据集吗(官方给出的链接均已失效)，有的话，方便分享一份给我吗。
同时，对您数据分析与处理的流程非常感兴趣，您那里还有相关的分析与处理脚本吗。

[wish44165]

嗨 @SongJgit ，謝謝你感興趣！

沒問題，可以透過此連結進行下載。

另外數據分析與處理的程式整理好近期會上傳，完成後會在這裡更新。

有其他任何問題都可以隨時提出。

[SongJgit]

@wish44165 songj9507@outlook.com

[wish44165]

哈囉，可以透過 此連結 進行下載。

[SongJgit]

收到，感谢！

[wish44165]

嗨 @SongJgit ，

資料處理的程式 getInfo.py 已上傳完成，其中路徑需設置為官方資料夾的位置，執行後可得到 此畫面 。

謝謝你讓我在整理時注意到 Paper 裡 Table 1 中 Testing Data 的 Track 1 和 Track 2 於 Number of Sequences，Number of Frames 與 Resolutions 誤打，更新後的數值用紅色字體標注。

有其他問題都歡迎隨時提出。

[SongJgit]

感谢🙏。
我自己在处理数据的时候也是发现了一些问题。比如mot中的编号为256的视频。
在这个视频中，0-97帧，每帧有40个目标，但是实际上通过图片我们只能看到20个目标，因为track id 21-40完全是1-20的复制，但是却给了他们不同的id。
从第98帧依然是40个目标，但是由于镜头的切换，1-20和21-40虽然不是复制了，但是1-20完全是偏移了的空白框。
所以实际上在整个序列中只有id为20-40的才是正确的标注。

98帧

150帧

你有注意到这个问题吗。

[SongJgit]

这是我画图的脚本

from mmengine.visualization import Visualizer
import numpy as np
import os

txt = 'TrainLabels/MultiUAV-256.txt'
img_root = 'Train_imgs/MultiUAV-256'

data = np.loadtxt(txt, delimiter=',')
frame_id = 155
id_bbox = data[data[:, 0] == frame_id][:, 1:6]
img_path = os.path.join(img_root, f'{frame_id:05d}.jpg')

img = cv2.imread(img_path)  
bbox = id_bbox[:, 1:]
xyxy = bbox.copy()
xyxy[:, 2:] = xyxy[:, :2] + xyxy[:, 2:]  # xywh ->xyxy
track_ids =   id_bbox[:, 0]


visualizer = Visualizer()
visualizer.set_image(img)  



visualizer.draw_bboxes(xyxy, edge_colors='red', line_styles='-', line_widths=2)
visualizer.draw_texts([str(i) for i in track_ids], positions=xyxy[:, 2:], colors='y')  


vis_img = visualizer.get_image()  

visualizer.show()

[wish44165]

嗨 @SongJgit ，謝謝你提供的資訊與程式。

你提到的 MultiUAV-256 的問題我有注意到，對於這段視頻我的處理方式是把 ID 1-20 的移除，然後將 ID 21-40 的重新賦予為 ID 1-20，另外 MultiUAV-230 的視頻則是不正確的框，處理方式是將不正確標注的影像從訓練資料中移除。

Paper 裡 Figure 1 的 b 部份除了包含上述問題外，還有提及一些標注與資料的缺陷，其中有缺陷的數量佔比很少，以影響度來看的話可以放到比較後面再處理。

有其他問題都歡迎隨時詢問 🤗

[SongJgit]

@wish44165 作者您好，我还有几个疑问。

1. 从论文中，我的理解是，所有的训练时的尺寸都是默认的640，在测试时则尝试了不同的尺寸比如1600。您有没有尝试过使用更大的尺寸进行训练？
2. 你是否有兴趣在论文中报告一下检测器在测试集上的mAP@50和mAP@50:95呢？我觉得这一点非常重要, 因为这类TBD算法的跟踪性能非常依赖于检测质量。此外，检测器的性能指标也可以给读者们提供一个参考。

[wish44165]

嗨 @SongJgit ，

1. 預設的訓練與推論影像尺寸是 640，而 論文 的 Table 4 中 Group 3 包含使用不同尺寸進行訓練的成績（推論時使用與訓練時相同的尺寸）。如 Sec 4.3 最後提及最佳的 Trial 20 成績是基於 YOLOv12n with an image size of 1600, trained for 11 epochs, combined with BoT-SORT-SBS-S50 equipped with CircleLoss, optimized with AdamW and trained for 17 epochs.，使用訓練與推論尺寸為 1600。另外有試過更大的尺寸進行訓練，但結果未必更好且所需資源與訓練時長增加，可參考下方表格。
2. 謝謝你很好的建議，TBD 的偵測部份主要影響整體表現，故在文中報告偵測器的 mAP 確實很重要。由於 MOT 資料集先前只分為 Train / Validation，下方表格僅提供競賽時訓練的 Validation 結果進行參考（最佳成績對應的是 yolov12n $$^{\dagger}$$），未來會將資料分為 Train / Validation / Test 並提供更全面的偵測器性能比較表，謝謝。

Model	image size	batch size	epochs	GPU memory	$$AP^{val}_{50}$$	$$AP^{val}_{50-95}$$
YOLOv12n	640	64	100	10.7G	0.908	0.629
YOLOv12s	640	64	100	19.6G	0.919	0.657
YOLOv12m	640	64	100	37.5G	0.926	0.676
YOLOv12l	640	64	100	50.1G	0.926	0.672
YOLOv12x	640	64	100	74.7G	0.931	0.686
YOLOv12x	1280	16	60	81.0G	0.960	0.688
YOLOv12n	1280	32	100	28.9G	0.993	0.777
YOLOv12n	1440	32	14	47.3G	0.983	0.689
YOLOv12n $$^{\dagger}$$	1600	32	11	59.1G	0.983	0.685
YOLOv12n	2560	8	15	35.2G	0.979	0.680
YOLOv12n	3840	2	5	32.5G	0.903	0.507
YOLOv12n	4320	1	2	56.6G	0.956	0.597
YOLOv12n	5120	1	OOM	--	--	--

[wish44165]

嗨 @SongJgit ，

🏁 Beyond Strong Baseline 可以開始註冊。

歡迎參加並享受競賽 🤗