目标跟踪论文（一）：SiamFC孪生网络

Fully-Convolutional Siamese Networks for Object Tracking

项目网页 http://www.robots.ox.ac.uk/~luca/siamese-fc.html
tensorflow+python代码：https://github.com/www0wwwjs1/tensorflow-siamese-fc

一、背景简介

传统的目标跟踪算法，要么用相关滤波，如TLD、Struck、KCF等，只能在线学习（用当前视频中的数据），限制了学习模型的丰富程度；要么用SGD方法（DeepLearning）对网络进行微调，虽然能达到最有效果，但会使速度下降，做不到实时跟踪。本论文提出一种新的全卷积孪生网络（SiamFC）作为基本的跟踪算法，这个网络在ILSVRC15的目标跟踪视频数据集上进行端到端的训练。跟踪器在帧率上超过了实时性要求，尽管结构非常简单，但在多个benchmark上达到最优的性能。
本文的工作：
　（1）训练一个Siam网络，利用全卷积的结构，使得输入大小不受限制。来定位一个更大的搜索图像中，与范例图像最匹配的区域。
　（2）利用双线性层计算了滑动窗口的两个输入之间的相互关系，实现了密集高效的滑动窗口评价（score map）。
　（3）巧妙使用ILSVRC15的数据集（正常的tracking训练数据比较匮乏）。