MDNet视频目标跟踪算法中的重检测机制分析

1. 论文基本信息

• 论文标题：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
• 论文作者：Hyeonseob Nam（Dept. of Computer Science and Engineering, POSTECH, Korea）等人
• 论文出处：CVPR 2016
• 在线阅读：https://arxiv.org/pdf/1510.07945v2.pdf
• 源码链接1：https://github.com/HyeonseobNam/MDNet （MATLAB版本）
• 源码链接2：https://github.com/HyeonseobNam/py-MDNet （Python 3.6版本）

本文的参考代码为上述高亮版本的代码。

2. 网络结构图

论文的详细网络结构如下图所示：

3. 重要变量

MDNet算法在tracking阶段，为了获得更强的鲁棒性，算法采用了检测机制，对不同的情况进行处理。首先看源码中设置的几个关键变量：

1. result. 它是一个数组，表示计算出来的目标预定位位置$[x,y,width,height]$。
2. result_bb. 它是一个数组，表示基于上述预定位位置的回归位置 [ x ′ , y ′ , w i d t h ′ , h e i g h t ′ ] [x', y', width', height'] [x′,y