任务设置

本次竞赛的主要任务是对视频中的红外小目标质心进行预测，附加任务是对目标进行跟踪。参赛队伍可根据红外视频特点自行设计算法，利用主办方提供的数据集进行模型训练和验证，最终以召回率（Recall）、精确率（Precision）和F1分数衡量主体性能，轨迹完整度和轨迹准确度作为附加评价指标。

数据集简介

竞赛数据由国防科技大学与武汉大学联合开发，包括：基于热红外卫星的 IRAir 数据集、基于 Landsat 卫星的 IRSatVideo-LEO 数据集，以及武汉一号卫星实测热红外视频数据。共 1400 段视频序列（1000 段用于训练，200 段用于验证，200 段用于测试）。比赛开始后，将发布训练集和验证集视频及掩码标签；进入评测阶段时公布测试集视频，测试集标签不公开。

数据集	数据集介绍	图像与目标示意
IRAir	数据来源：热红外 SDG 卫星一号图像，仿真目标 分辨率：256×256
IRSatVideo-LEO	数据来源：Landsat 卫星图像，仿真目标 分辨率：1024×1024
实测热红外视频数据	数据来源：武汉一号卫星热红外视频 分辨率：512×640

结果的评价方式

本次竞赛的算法评价指标为召回率（Recall）和精确率（Precision），附加评价指标为轨迹完整度和轨迹准确度。算法最终评分结果由两部分组成：F1 分数与附加分数。

F1分数评价指标：

召回率（Recall）定义为正确检测的目标数量与目标总数量之比。当检测到的目标质心与对应掩码标签质心距离不超过阈值 Thresh 时，视为正确检测。

精确率（Precision）定义为正确检测的目标数量与检测输出目标总数量（包含虚警）的比值。当检测质心与任意标签质心距离均超过阈值 d 时，视为虚警目标。

公式如下：

Recall = TD / AT

Precision = TD / (TD + FD)

其中 TD（True Detection）为正确检测目标数量，FD（False Detection）为虚警数量，AT（Amount of Target）为目标总数量。

算法的评分采用F1分数，其公式定义如下：

F1 score = (2 * Recall * Precision) / (Recall + Precision)

附加评价指标：

轨迹完整度，定义为经过跟踪/轨迹关联后，目标轨迹被完整关联的程度。公式定义为：

轨迹完整度= N_TA / N，

其中 N_TA 为正确关联点数，N 为标签轨迹点总数。

轨迹准确度，定义为经过跟踪/轨迹关联后，关联轨迹中各点为真实目标点的概率。公式定义为：

轨迹准确度= N_TA / N_A，

其中，N_TA（Number of points True Associated）为关联轨迹中真实目标点数，N_A（Number of points Associated）为算法关联轨迹总点数。 其中，N_TA（Number of points True Associated）为关联轨迹中真实目标点数，N_A（Number of points Associated）为算法关联轨迹总点数。

附加得分为包括两部分：轨迹完整度得分、轨迹准确度得分。

附加得分项	≥90%	≥95%	≥98%
轨迹完整度得分	+2	+3	+5

附加得分项	≥98%	≥99%	≥99.5%
轨迹准确度得分	+2	+3	+5

最终得分 = F1 score * 100 + 附加分数（轨迹完整度得分 + 轨迹准确度得分），最高分 110 分。