声明：文中出现的名词以及图片、公式均来自于Dsiam
介绍，目前跟踪方法有两种策略，一是分类+在线更新，这种方法很慢。二是基于匹配的跟踪，不需要在现更新，这种方法速度快，可以达到实时，学习一个匹配函数去容忍目标的在线变化，并且保留实时的能力。缺点是不能抓住目标的临时变化，因此精度不高。
作者提出dynamic siamese network，网络包含了一个“通用的形变学习模型”可以从之前的帧中在线学习目标表观上的变化和背景抑制。由于这个形变学习的过程可以通过FFT给出封闭解，因此不仅有在线自适应的能力，也可以将它作为网络的一层，可以和整个网络一起进行联合的微调。
作者还提出“元素级的多层融合”可以自适应的整合多水平的特征。
作者还提出了一个“联合训练（joint training）”的策略，因为之前的基于匹配的跟踪器都是用图片对训练的。联合训练就是可以用视频序列进行训练，这样可以学习到视频的空间相关性信息。
Siamese network based tracking
公式：
计算的结果是一个相似性，corr（·）可以用其他度量函数替代，比如Euclidean distance。Siamese 方法很快，但是没有在线更新的能力，因此精度不高。
作
最低0.47元/天 解锁文章
扫一扫
3042
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
