【SOT】《Transformers in single object tracking: an experimental survey》

1、Background

transformer 的方法做单目标跟踪的综述

两大类，CNN-Transformer based 和 Fully-Transformer based

SOT 相关的综述汇总

Transformer 首次在 NLP 中提出

Transformer 在 computer vision 上的应用


通常，Transformer架构需要大量训练样本来训练其模型。由于目标是在跟踪序列的第一帧中给出的，因此在VOT中不可能获得大量样本，因此所有完全基于Transformer和基于CNN-Transformer的跟踪器都使用预先训练的网络，并将其视为骨干模型

CNN-Transformer based 的方法都是 two-stream two-stage 的

feature extraction and feature fusion of target template and search region are done in two distinguishable stages (two stage).

feature fusion 例如 siamRPN 中的相关操作

2、CNN-Transformer based trackers

第一篇 CNN-Transformer SOT 方法

Wang N, Zhou W, Wang J, et al. Transformer meets tracker: Exploiting tem