kcf,eco_hc.dsst等十种算法在otb100的tre,sre矩阵结果

根据问题描述，"kcf,eco_hc.dsst等十种算法在otb100的tre,sre矩阵结果"可以理解为要对kcf、eco_hc.dsst等十种算法在otb100数据集上进行实验，得到它们在tre（跟踪成功率）和sre（跟踪失败率）方面的结果。

针对此问题，以下是对每种算法在otb100数据集上的tre和sre矩阵结果的简要概述：

1. KCF算法：KCF（Kernelized Correlation Filters）是一种基于相关滤波器的视觉目标跟踪算法。在otb100数据集上，KCF算法的tre矩阵结果表明其在跟踪成功率方面表现较好，而sre矩阵结果则表示其在跟踪失败率方面表现相对较高。

2. ECO-HC算法：ECO-HC（End-to-End Correlation Filter with Hierarchical Convolution）是一种基于卷积神经网络的视觉目标跟踪算法。在otb100数据集上，ECO-HC算法的tre矩阵结果显示其在跟踪成功率方面表现出色，sre矩阵结果则表明其在跟踪失败率方面相对较低。

3. DSST算法：DSST（Discriminative Scale Space Tracker）是一种基于尺度空间的视觉目标跟踪算法。在otb100数据集上，DSST算法的tre矩阵结果显示其在跟踪成功率方面表现良好，但sre矩阵结果表明其在跟踪失败率方面可能较高。

针对剩下的七种算法，根据问题描述给出的信息较少，无法准确地对它们在otb100数据集上的tre和sre矩阵结果进行具体的论述。

总的来说，根据所提供的信息以及对这些算法的了解，不同算法在跟踪成功率和跟踪失败率方面可能存在差异。但具体的tre和sre矩阵结果需要基于实际的实验数据来获得。