leek1727

Visual Tracking with Fully Convolutional Networks 本文作者提出了一种新的全卷积神经网络的方法来做视觉跟踪。作者不是简单的将卷积神经网络看做是一个黑盒的特征提取器，而是在线下通过大量的图像数据，深入研究了CNN特征的性能。通过研究得到的一些发现激发了作者设计出文中的跟踪系统。卷积神经网络的不同层上的特征在不同层次上描述着目标的不同的特征

An Experimental Survey on Correlation Filter-based Tracking 本文参考文章《An Experimental Survey on Correlation Filter-based Tracking》 这篇文章中，作者对近年来基于相关滤波方法的视觉跟踪的有关研究进行了总结。作者通过一个统一的框架，总结了11种方法，回顾了

《Online Tracking by Learning Discriminative Saliency Map with Convolutional Neural Network》 本文提出了一个通过用CNN学习可区分性的显著图的在线视觉跟踪算法。给定一个在大规模图片数据集上在线下预训练的CNN，本文的算法将网络的隐含层的输出当做是特征描述子，因为他们在各种各样的视觉识别问题上表现

Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 视觉跟踪的一个难点是很难收集到大规模的训练数据 现有的利用深度学习方法来做视觉跟踪的是利用图像分类任务的数据集ImageNet预训练一个CNN，然后利用迁移学习的方法将其利用在视觉跟踪任务上，因为分类问题和跟踪问题本质的差别，使得跟踪的效果