Beyond Correlation Filters: Learning Continuous Convolution Operators for Visual Tracking
传统的DCF模型(如SRDCF)采用handcrafted或CNN等特征,但这些特征都是单一分辨率的,即每个通道的特征图的分辨率都是相同的。为了能够将多种分辨率的特征(例如,卷积网络不同层的特征图,层数越深,特征图越小)整合在一起,C-COT提出将卷积过程转换到一个连续域。这个连续域指的是自变量t在[0,T)范围内。
下面结合公式来描述:
(1)连续域的卷积定义:
首先介绍连续域时,即t在[0,T)范围内时,卷积运算的定义如下:
(2)假设有M个训练样本
每个样本的空间为