【论文笔记】CVPR2019_SiamRPN++

论文题目：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
这篇SiamRPN++是CVPR2019的Oral，和另一篇CVPR2019的另一篇Oral文章SiamDW解决的是同一个问题：就是跟踪网络如何做的更深？

作者专栏 https://zhuanlan.zhihu.com/p/56254712

Motivation

主要解决的问题是：深层网络ResNet、Inception等网络应用到基于孪生网络的跟踪网络中。
在SiameseFC算法之后，尽管已经有很多的基于孪生网络的跟踪算法，但这些网络都使用浅层的类AlexNet做为基准特征提取器，直接使用预训练好的深层网络反而会导致跟踪算法精度的下降，因此，这成为了一个基于孪生网络的跟踪器需要解决的一个关键问题！

本文的创新点

1. 分析了深层网络效果差的原因（因为padding的存在，这个与SiamDW想法类似）
2. 作者提出了一种spatial aware sampling strategy用来维持平移不变性，平衡深层网络中padding的影响；
3. 提出了layer wise feature aggregation structure for the cross-correlation operation学习多层特征；
4. 使用Depth-wise Cross Correlation Layer来做互相关，产生的是2k个response分类响应图和4k个回归响应图（SiamFC只得到了一张响应图）