滑窗分类

SOT早期的工作

Siamese-FC, 对单目标来做跟踪，论文中通过计算两个图像patch之间的相似度，来定位物体，通过多次rescale 输入图片来实现多尺度物体的跟踪。

Method

• 网络整体分两个分支，两个分支使用 相同的卷积 （siamese 的意思）进行特征抽取
  • 第一个分支抽取 目标object(z)的feature A
  • 第二个分支抽取 待搜索图片(x)的feature B
• cross-correlation
  利用抽取的feature A作为卷积核在B上进行卷积，这样最后得到的score map实际上就是待搜索图片特征B与目标object patch特征A的相似度。而score map上这个点的取值就可以理解为原图中这块区域和目标object之间的相似度，那么最后相似度最高的点就被定位为目标object在当前帧上面的位置。

ϕ(.)是经过卷积操作分别提取 z 和 x 的特征
g(.)是将两个特征图，经过cross-correlation来获得相关性，即用卷积模拟相关滤波，得到响应特征图。

training

至于具体训练的时候论文中也提到了一些细节，比如正负例的定义：

• score map中落在中心半径R范围内的点被定义为正例label为1，其余为-1
• 输出的score map会利用cosine window来抑制距离中心比较远的点
• 多尺度物体的检测则是直接通过rescale输入图片来实现的。

Network

AlexNet

Result

Thoughts

相当于滑窗分类。

从分类的角度来做位置的定位的

对于宽高比无法做出响应，影响精度上限

online-tracking的通用劣势，对初始化的框非常敏感