基于全连接孪生网络的目标跟踪（siamese-fc）

Fully-Convolutional Siamese Networks for Object Tracking

这两年可以说deeplearning已经占领了visual object tracking这个领域，但是对于跟踪问题来说，这些基于DL的做法虽然能够很好的提升跟踪的效果，但是在时效性这一方面却做的很差，这是因为DL复杂的模型往往需要很大的计算量，尤其是当使用的DL模型在跟踪的时候对模型进行更新的话，可能使用GPU都没法达到实时。今年出现了一些使用CNN进行跟踪，同时又具有很高的效率的跟踪算法，比如今年ECCV的GOTURN（我的这篇博客里进行了介绍，http://blog.csdn.net/autocyz/article/details/52648776），以及我将要介绍的这篇《Fully-Convolutional Siamese Networks for Object Tracking》。

文章题目叫：《Fully-Convolutional Siamese Networks for Object Tracking》
算法主页：http://www.robots.ox.ac.uk/~luca/siamese-fc.html
code：https://github.com/bertinetto/siamese-fc

一、算法总体框架

图1 算法总体框架

图中z代表的是模板图像，算法中使用的是第一帧的groundtruth；x代表的是search region，代表在后面的待跟踪帧中的候选框搜索区域；$\phi$代表的是一种特征映射操作，将原始图像映射到特定的特征空间，文中采用的是CNN中的卷积层和pooling层；6*6*128代表z经过$\phi$后得到的特征，是一个128通道6*6大小feature，同理，22*22*128是x经过$\phi$