CVPR 2018 SA-Siam:《A Twofold Siamese Network for Real-Time Object Tracking》论文笔记

  理解出错之处望不吝指正。

  本文模型叫做SA-Siam。本文提出了一个结合Semantic features（语义特征）和Appearance features（表征特征）的模型，其实类似于一个双路模型，为了保持这两种特征的异质性，这两路特征要分别训练，训练语义特征的网络叫做S-Net，训练表征特征的网络叫做A-Net。作者还在S-Net中加入了一个chanel attention机制。

  模型的整体结构如下：

  S-Net视为一个图像分类问题去训练，A-Net视为一个相似学习问题去训练，这样两部分可以更好的互补。

  为什么在S-Net中加入channel attention机制？

  高等级的语义特征对图片的形变、旋转等具有很好的鲁棒性，但是却导致判别力低。为了增加语义特征的判别力，作者设计了channel attention模块。模块如下图：