目标跟踪“Siamese Instance Search for Tracking”

使用siamese深度网络，no model updating, no occlusion detection, no combination of trackers, no geometric matching，达到state-of-the-art的水平。

论文旨在学习匹配机制，从大量的外部视频学习先验的匹配函数，训练视频与测试视频没有交集，在学习过程中关注广义目标外形变化。在跟踪过程中目标不变，不进行跟踪器组合和遮挡处理，跟踪算法如下所示，在新出现的帧中找与原始图像块最匹配的图像块：

相关工作
最早的跟踪方法是NCC，简单有效，TLD还在用；
Lucas&Knande在匹配函数中添加了仿射变换；
MST使用概率匹配；
其他方法：MEEM，RANSAC-based，MUSTer
深度学习；
实例搜索：再认证，本文的思想类似这个思路；

Siamese实例搜索跟踪器
使用Siamese结构包含两个分支，分别处理两个输入，对于每个分支，使用VGGNet和AlexNet对比，跟踪问题对离散化比较敏感，作者去掉了比较多的池化层，如下图所示：

考虑到跟踪中匹配的框有很多交叠的，使用了ROI pooling层进行加速，ROI池化将特征图转换为固定长度的表示。低层的特征分辨性比较强，高层的特征概括性比较强，作者使用了二者的综合特征。在跟踪中，query图像和search图像没必要紧邻。匹配过程中，根据匹配函数找到最佳匹配框：

实验结果
在OTB上的实验结果对比