目标追踪（一）：siamese-fc

这是2016CVPR收录的
在此之前，目标追踪一般都是online的，在这里引入了深度学习offline的训练，他提出了一种思想：similarity learning
他有三大contribution：

1. 首先在速度上可以实现实时检测
2. 通过一个范本来定位想要的被追踪物体（detection物体为卷积核，卷积下一帧的feature map）
3. 使用了全卷积网络

他的 缺点：

1. 如果物体size变化太大时效果不太好
2. 如果有一堆相似的目标混在一起，效果不好，容易追岔
3. 如果物体视觉上发生了变化，如：关照改变，部分遮挡，物体形变，则效果不好

思路

function
它通过function $f(z,x)$来学习第一帧detection到的物体和接下来几帧图片之间的关系，如果相似则score大，反之则score小。这里我们使用了deep conv-net来作为这个function。也就是将gt提取feature map，把feature map作为卷积核来卷积下一帧图片的feature map：$f(z,x)=g(\varphi (z),$