超大数据集了对比
苦苦等了好久好久，终于等到这么一个是用于目标跟踪的超大数据集了！
本数据集特色总结如下：
1，规模大：包含3万+个视频以及1420万个标注框——真的是爽到哭啊，OTB100才100个视频算什么？ImageNetVideo2015才3000多个视频又算什么？；LaSOT由1400个序列组成，平均视频序列长度2500帧（一共225G）
2，专为目标跟踪设计：不像一般的大数据库都是隔几帧标注一个目标，这个数据集每个图片的目标都标注了——贴心啊；
3，前景好：作者将SiameFC算法在该数据集上进行训练，在OTB100上得到的测试结果相对于之前提升了1.6个百分点——换个训练集提升1.6个百分点，这种好事儿去哪里找？
4，覆盖广泛：无论是视频长度，还是目标类别，还是跟踪中遇到的挑战都应有尽有，灰常6666666；
5，革命性：这个数据集对目标跟踪算法来说可能是个转折点，这回可以实现以视频为基础的训练了，之前RNN用在目标跟踪中不是训练数据不够吗？这回数据来啦！
最后上几个图说明这个数据集完爆之前所有数据集吧！