occuluded></occuluded>表示物体是否被遮挡，如果为 0 表示图像中物体未被遮挡，为 1 表示当前物体被某些物体遮挡住。Data文件夹中存放的是对应视频和每帧图片：视频存放于snippets文件夹，snippets文件夹也分为test，train，val三个文件夹，存放对应视频格式（.mp4）。每帧图片分为test，train，val三个文件夹存放。每个snippet包括56~4

论文地址：Model Uncertainty Guides Visual Object Tracking1.Motivation目标跟踪模型很大程度上依赖从潜在的不同样本帧中在线学习辨别分类器。但是，噪声或样本量不足会降低分类器的性能，导致跟踪器漂移；遮挡和模糊等变化会导致目标丢失。2.Contribution第一，提出在线学习采样方法，有效地选择有代表性的样本来满足跟踪器的分类分支，同时去除噪声

occuluded></occuluded>表示物体是否被遮挡，如果为 0 表示图像中物体未被遮挡，为 1 表示当前物体被某些物体遮挡住。Data文件夹中存放的是对应视频和每帧图片：视频存放于snippets文件夹，snippets文件夹也分为test，train，val三个文件夹，存放对应视频格式（.mp4）。每帧图片分为test，train，val三个文件夹存放。每个snippet包括56~4

论文STMTrack: Template-free Visual Tracking with Space-time Memory Networks参考文章STMTrack1.Motivation离线训练的Siam跟踪器已经充分挖掘了第一帧模板信息，但是不能很好地适应目标外观变化。现有的模板更新机制大多依赖耗时的数值优化或复杂的手工设计策略，但是不能实时跟踪和实际应用。本文方法速度达到37FPS。2

重要！我提供的所有txt文件都是用pysot-toolkit测试的。有小伙伴需要txt文件，最近一段时间正好搜集了一部分，也有一些自己测试的。我自己测试的跟踪结果都是用的Tesla P100 GPU。链接：百度网盘（提取码：sr4y）、GoogleDrive1.跟踪结果文件来源(1) OTB100跟踪结果来源自测结果是在硬件配置GPU Tesla P100环境下完成的，代码、模型、超参数均使用原作

occuluded></occuluded>表示物体是否被遮挡，如果为 0 表示图像中物体未被遮挡，为 1 表示当前物体被某些物体遮挡住。Data文件夹中存放的是对应视频和每帧图片：视频存放于snippets文件夹，snippets文件夹也分为test，train，val三个文件夹，存放对应视频格式（.mp4）。每帧图片分为test，train，val三个文件夹存放。每个snippet包括56~4