【论文笔记】CVPR2018_SiamRPN

Motivation

SiamFC的缺点：

Siamese的方法只能得到目标的中心位置，但是得不到目标的尺寸，所以只能采取简单的多尺度加回归，这即增加了计算量，同时也不够精确。

本文的改进：

SiamFC+ RPN Network，输出两个分支，分别用于分类和回归（SiamFC没有回归，而是用多尺度测试，增加了计算量且不够精确），帧率160fps（不需要在线微调），端到端，单目标跟踪

网络结构

【训练阶段】：
回顾Faster RCNN中的RPN结构（https://www.cnblogs.com/wangyong/p/8513563.html）

【跟踪阶段】：（类似于one-shot detection任务）

训练部分

在SiamFC中加入了RPN，构成了SiamRPN。网络分为两部分，Siamese特征提取部分，以及RPN的proposal生成。