CVPR 2017 论文集锦（目标检测与目标追踪相关）

  CVPR 2017 有很多优秀的论文，但，学，是无止境的，正所谓“伤其十指，不如断其一指”，这么多内容我也不可能一一整理。未来，导师让我做目标检测与目标追踪等方向的研究。因此，以下，只整理了关于目标检测与目标追踪方向的论文。【持续更新与丰富内容】

  我想说：是在是太难整理了！

  CVPR 2017关于单目标追踪的论文总共11篇，相关滤波7篇，其中1篇是oral，3篇用到卷积特征，相关滤波占了64%，(非卷积特征的)CNN相关4篇，可以看出目标跟踪现在最火的是相关滤波和深度学习。

    1、一篇oral滤波 paper :Context-Aware Correlation Filter Tracking

  论文链接：https://ivul.kaust.edu.sa/Pages/pub-ca-cf-tracking.aspx

  代码链接：https://github.com/thias15/Context-Aware-CF-Tracking

  论文详解链接:

  简要介绍：是这个组 Home - Publications MT+CF, AT+CF的后续工作，虽然不被很多人看好，但它竟然是tracking中唯一一个oral，但每篇都有代码还算良心，今年主打是基于Staple的Staple+CA，至少速度还算快，可以看看。

  2、六篇相关滤波

  1）跟踪算法 ECO: Efficient Convolution Operators for Tracking

  论文链接：https://arxiv.org/pdf/1611.09224.pdf

  Project :http://www.cvl.isy.liu.se/research/objrec/visualtracking/ecotrack/index.html

  代码链接：https://github.com/martin-danelljan/ECO

  论文详解链接：

  简要介绍：作者是Martin Danelljan，视觉追踪领域的大牛。2016年，在ECCV 上发表了 E-CTO 的文章，去年他的C-COT是VOT2016的第一名，这次，又对该算法进行了改进，改进后，不管是从结果还是速度上都有提升，尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS，用CNN+HOG+CN的速度有8FPS，从跟踪效果来看，可以算一个出色的作品。