闲逸的炫鹰

这篇是ICCV2017的文章 论文地址    GitHub这篇文章的baseline是ECCV2016的SiamFC: 全卷积孪生网络for跟踪 Fully-convolutional siamese networks for object tracking 摘要如何有效的学习跟踪目标的外观变化、排除嘈杂的背景干扰、同时保持实时性，是视觉目标跟踪的重要问题。最近孪生网络在基于匹配的...

CVPR2019论文作者的主要思想是提出一个统一的框架：①对于跟踪领域，提供分割得到更精确的预测；②对于视频分割领域，提出使用box这种低成本的初始化，用tracking来引导分割的快速vos框架。还是开头那句话，本文的这个思想是最核心的，具体的实现只是图个方便，后续肯定还会有更加精确而高效的实现方法提升效果。...

论文地址：https://arxiv.org/abs/1807.10165v1代码：https://github.com/MrGiovanni/UNetPlusPlus引言原始的UNet直接将来自解码器子网络具有语义的粗粒度的特征图与来自编码器子网络具有低级别的细粒度的特征图concatenate起来，这样会产生semantic gap结构作者灵感来自于DenseNet中的dense s...

CVPR2019作者对发表在CVPR2018上的SiamRPN做的改进，采用了多个RPN，这样做既可以充分利用深层和浅层的特征，还可以更加精确的对目标进行定位和包围框的回归。

2019年CVPR上的文章论文原文地址：https://arxiv.org/abs/1901.01660?context=cs跟踪部分的代码也放出来了：https://gitlab.com/MSRA_NLPR/deeper_wider_siamese_trackers/tree/master/提出问题：基于孪生网络的跟踪大部分的主干网络都是AlexNet，这个网络已经很久了，为什么不充分利...

最近论文精读的少了，就不太在博客发表TrackingNet是发表在ECCV2018上的一篇目标跟踪方面的论文，由题目可以看出来，提出了一个大规模的目标跟踪数据集和一个评测的Benchmark，数据集的内容针对的是in the Wild现在数据集已经开放下载，详情可以看官方网站https://tracking-net.org/，未来我可能也会跟进这个数据集的使用。总结下来，这篇文章有三方面内容...

发表在ECCV2018上 作者的知乎讲解：https://zhuanlan.zhihu.com/p/42546692 三个问题： 【1】常见的siam类跟踪方法只能区分目标和无语义信息的背景，当有语义的物体是背景时，也就是有干扰物（distractor）时，表现不是很好。 【2】大部分siam类跟踪器不能更新模型，训练好的模型对不同特定目标都是一样的。这样带来了高速度，也相应牺牲了精度。 ...

这两篇文章出自牛津大学同一个实验室，一个发表在ECCV2016，一个发表在CVPR2017，两篇文章的matlab代码是一起的，在代码中可以选择这两个方法中的一个。看代码的过程中需要对论文熟悉，就再看了一遍这两篇文章，发现有许多细节需要记录下来。

这篇文章考虑的是怎么不丢失跟踪目标的细节，其实就是提高目标的判别性，Siam类方法的跟踪缺点就是判别性不强，尤其是在图像中有与目标相似的物体时，往往导致跟踪失败。 因此作者加入了Encoder-Decoder结构，通过解码出来的图像与原图像之间的误差不断缩小，达到编码器中间的输出包含目标更多的细节信息。

作者构建了两个孪生网络框架，称为SA-Siam，用于实时的目标跟踪。SA-Siam由语义分支和外观分支组成，每一个分支都是一个相似性学习孪生网络。

RASNet使用三个attention机制对SiamFC特征的空间和channel进行加权，分解特征提取和判别性分析的耦合，用来提升判别能力

这是来自商汤的一篇文章 发表在CVPR2018上 论文地址目录：摘要1.引言2.相关工作RPNOne-shot learning3.Siamese-RPN framework3.1 孪生特征提取子网络3.2 候选区域提取子网络3.3 训练阶段：端到端训练孪生RPN4. Tracking as one-shot detection5. 实验6. 结论...

论文题目：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks论文地址：ArXiv项目地址：项目之前的孪生网络跟踪都是利用比较浅和简单的骨干网络，比如AlexNet，有些零星的工作用了VGGNet。今年开始有好几个工作，来利用更深更现代的骨干网络嵌入到孪生网络跟踪框架中，本文所要介绍的这篇论文是CVPR...