SiamDW论文详解： 张志鹏- B站课程题目：基于siamese网络的单目标跟踪 CVPR2019S

https://www.bilibili.com/video/av52113951

这一系列的看SiamFC和siamRPN即可

 

挑战：
1光变 2遮挡 3背景干扰 4尺度 5旋转 6运动模糊

1 outline

1背景

2动机

3 分析，指导路线

4 方法 5实验 6讨论

2 siamese

结构

1 共享权重

2 最早用于metric learning，检索，对比相似性，都经过同1网络，计算相似距离（欧式，余弦）

3 天然增加样本数量，成对输入3000张图， 3000*2999种配对

应用

1 人脸确认，如face net 

2 行人Re-ID

3 siamese跟踪器背景

1 siamese最早起始于 陶然的SINT

抽取候选目标，经过同一网络与temple作比较，选择距离最小

问题是很多比对， 很慢

2 Simases FC

16年ECCV WORKSHAOP

解决慢的问题：滑动窗口做卷积，一个位置一个位置比较相似性
255*255原图中一个个区域抽象成一个一个特征向量，组成22*22搜索区域
6*6是temple抽象出来的嵌入特征，通过滑窗做卷积，做对比，得到追踪的featuremap
此方法极大增加了速度。

 

 

3 SiamRPN 李博  2018CVPR

siamFC的缺点：
是没有合理地尺度估计，输入三个scale的图，通过网络做对比，选尺度相应最大的

siamRPN借鉴检测里面的RPN去提取框，再在这些框中在进行回归，得到最大响应值

特点：在FC基础上多接了一个HUB(回归的RPN), 上面的一支类似于FC,不过是用来选anchor的。

 

4 动机

SiamFC siamRPN  都用的Alex浅网络

alex   还是2012年代的
深度学习时代，有点过时
 但是用新的backbone网络（vgg）反而掉点

1 分类任务strid一般32， 更精确定位任务的strid通常不会加那么深，通常会是16，8

2 FC把Alex的padding全去掉了，而resnet的结构需要pading

3 输出大小不同