<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Datasets on Ganko Space</title><link>https://ganko.asia/tags/datasets/</link><description>Recent content in Datasets on Ganko Space</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Thu, 27 Aug 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://ganko.asia/tags/datasets/index.xml" rel="self" type="application/rss+xml"/><item><title>CVPR26 Benchmark &amp; Datasets</title><link>https://ganko.asia/posts/cvpr26_benchmark/</link><pubDate>Thu, 27 Aug 2026 00:00:00 +0000</pubDate><guid>https://ganko.asia/posts/cvpr26_benchmark/</guid><description>&lt;h2 id="the-sa-fari-dataset-segment-anything-in-footage-of-animals-for-recognition-and-identification">The SA-FARI Dataset: Segment Anything in Footage of Animals for Recognition and Identification&lt;/h2>
&lt;p>这篇论文提出了 SA-FARI——目前最大规模的开源野生动物多动物跟踪（Multi-Animal Tracking, MAT）数据集。&lt;/p>
&lt;p>野生动物保护依赖自动视频分析，而多动物跟踪（MAT）是其中的基础任务——它支撑个体重识别（re-identification）和行为识别等下游应用。但领域内缺乏合适的基准：规模小、物种单一、时空多样性不足。&lt;/p>
&lt;p>数据集核心指标：&lt;/p>
&lt;ul>
&lt;li>11,609 个视频，2014–2024 年采集，覆盖 741 个地点、4 大洲；&lt;/li>
&lt;li>~46 小时密集标注视频，99 个物种类别；&lt;/li>
&lt;li>16,224 个 masklet 身份（单个个体动物的时空分割轨迹）和942,702 个边界框/分割掩码/物种标签。&lt;/li>
&lt;/ul>
&lt;p>&lt;strong>masklet&lt;/strong>：由分割掩码（而非仅有边界框）构成的时序轨迹，是比普通 tracklet 信息量更丰富的标注形式；并且数据附带匿名化的相机陷阱位置。&lt;/p>
&lt;table>
&lt;thead>
&lt;tr>
&lt;th>Dataset&lt;/th>
&lt;th>Sites&lt;/th>
&lt;th>Species&lt;/th>
&lt;th>Videos&lt;/th>
&lt;th>Duration (h)&lt;/th>
&lt;th>Tracklets&lt;/th>
&lt;th>Segmentation&lt;/th>
&lt;th>Source&lt;/th>
&lt;/tr>
&lt;/thead>
&lt;tbody>
&lt;tr>
&lt;td>AnimalTrack [51]&lt;/td>
&lt;td>—&lt;/td>
&lt;td>10&lt;/td>
&lt;td>58&lt;/td>
&lt;td>0.23&lt;/td>
&lt;td>2k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>YouTube&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>GMOT [2] †&lt;/td>
&lt;td>—&lt;/td>
&lt;td>4&lt;/td>
&lt;td>16&lt;/td>
&lt;td>0.03&lt;/td>
&lt;td>1k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>YouTube&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>TAO [17] / BURST [1] †&lt;/td>
&lt;td>—&lt;/td>
&lt;td>51&lt;/td>
&lt;td>429&lt;/td>
&lt;td>3.60&lt;/td>
&lt;td>1k&lt;/td>
&lt;td>✕/√&lt;/td>
&lt;td>Varied&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>BuckTales [32]&lt;/td>
&lt;td>1&lt;/td>
&lt;td>1&lt;/td>
&lt;td>12&lt;/td>
&lt;td>0.21&lt;/td>
&lt;td>0.7k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>UAV&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>BaboonLand [18]&lt;/td>
&lt;td>1&lt;/td>
&lt;td>1&lt;/td>
&lt;td>18&lt;/td>
&lt;td>0.32&lt;/td>
&lt;td>1k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>UAV&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>KABR [26]&lt;/td>
&lt;td>1&lt;/td>
&lt;td>3&lt;/td>
&lt;td>742&lt;/td>
&lt;td>10.00&lt;/td>
&lt;td>—&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>UAV&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>WildLive [16]&lt;/td>
&lt;td>1&lt;/td>
&lt;td>3&lt;/td>
&lt;td>22&lt;/td>
&lt;td>0.70&lt;/td>
&lt;td>0.3k&lt;/td>
&lt;td>√&lt;/td>
&lt;td>UAV&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>CCR [4]&lt;/td>
&lt;td>3&lt;/td>
&lt;td>1&lt;/td>
&lt;td>27&lt;/td>
&lt;td>10.00&lt;/td>
&lt;td>12k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>Video Camera&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>MammAlps [20]&lt;/td>
&lt;td>3&lt;/td>
&lt;td>5&lt;/td>
&lt;td>2,384&lt;/td>
&lt;td>14.50&lt;/td>
&lt;td>6k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>Camera Trap&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>PanAf500 [8]&lt;/td>
&lt;td>12&lt;/td>
&lt;td>2&lt;/td>
&lt;td>500&lt;/td>
&lt;td>2.10&lt;/td>
&lt;td>1.5k&lt;/td>
&lt;td>✕&lt;/td>
&lt;td>Camera Trap&lt;/td>
&lt;/tr>
&lt;tr>
&lt;td>SA-FARI (ours)&lt;/td>
&lt;td>741&lt;/td>
&lt;td>99&lt;/td>
&lt;td>11,609&lt;/td>
&lt;td>45.78&lt;/td>
&lt;td>16k&lt;/td>
&lt;td>√&lt;/td>
&lt;td>Camera Trap&lt;/td>
&lt;/tr>
&lt;/tbody>
&lt;/table>
&lt;p>支持任务列表：&lt;/p></description></item></channel></rss>