← Visual Object Tracking

Papers with Code · CC BY-SA 4.0

TrackingNet

아카이브 평가 40건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
SiamFC++	Precision 68.5 Normalized Precision 79.8 Accuracy 74.5	SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines 2019-11-14	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
DiMP-50	Normalized Precision 80.1 Accuracy 74.0	Learning Discriminative Model Prediction for Tracking 2019-04-15	코드 1 · 코드 2
ATOM	Precision 64.84 Normalized Precision 77.11 Accuracy 70.34	ATOM: Accurate Tracking by Overlap Maximization 2018-11-19	코드 1 · 코드 2 · 코드 3 · 코드 4
SiamRPN++	Precision 69.38 Normalized Precision 79.98 Accuracy 70	SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks 2018-12-31	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13
GFS-DCF	Precision 56.57 Normalized Precision 71.79 Accuracy 60.9	Joint Group Feature Selection and Discriminative Filter Learning for Robust Visual Object Tracking 2019-07-30	코드 1
ECO	Precision 48.86 Normalized Precision 62.14 Accuracy 56.13	ECO: Efficient Convolution Operators for Tracking 2016-11-28	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
STAPLE_CA	Precision 46.72 Normalized Precision 60.84 Accuracy 53.59	Staple: Complementary Learners for Real-Time Tracking 2015-12-04	코드 1 · 코드 2 · 코드 3
DropTrack	Normalized Precision 88.9 AUC 0.841	DropMAE: Masked Autoencoders with Spatial-Attention Dropout for Tracking Tasks 2023-04-02	코드 1
DiMP-NCE+	Precision 73.7 Normalized Precision 83.7 Success Rate 0.787 AUC 0.787	How to Train Your Energy-Based Model for Regression 2020-05-04	코드 1 · 코드 2
ATOM(Resnet18)+EnergyRegression	Precision 69.7 Normalized Precision 80.1 Success Rate 74.5	Energy-Based Models for Deep Probabilistic Regression 2019-09-26	코드 1 · 코드 2