目标跟踪论文笔记（二）：siamRPN

我觉得这篇真的是神作了！！！！！不仅精度拿到了VOT的第一，速度也可以和相关滤波媲美，达到了160FPS.

它速度快的一个原因是，由于直接回归出候选框的位置，所以不需要再进行多尺度的检查了。节省了很多时间。而且回归位置的好处就是，候选框比较紧致，长宽比是没有限制的，可以更好地跟踪目标。（很好地适应尺度自适应变化）

我觉得在某种程度上，它是siamfc和goturn的结合。

RPN是参考了目标检测Faster R-CNN 的候选区域生成网络。然后分为两个分支，一个是前景背景分类网，一个是候选框位置回归网。回归要注意的是它输出的是偏移量，而用回归实现偏移的前提就是原本anchor的四个参数和groundtruth相差不大，这样就可以把调节过程当作一个线性过程，如此一来才能通过回归算法建模。

有一点疑惑，我觉得这两个分支的K个anchor很难对应起来。

另外生成的anchor是在上一帧目标的附近，基于一个假设：相邻两帧的motion不会太大。