Siamese Network (应用篇5) ：孪生网络用于跟踪 CVPR2016

参看论文：Tao R, Gavves E, Smeulders A W, et al. Siamese Instance Search for Tracking[J]. computer vision and pattern recognition, 2016: 1420-1429.

会议水平：CVPR2016

投稿单位：https://ivi.fnwi.uva.nl/quva/ 弗吉尼亚理工深度学习组的工作

comment：利用孪生网络的匹配能力进行跟踪，这种思想不难想到。跟踪的很大的一个分支就是基于目标检测（匹配）的跟踪。在以后相当长的一段时间里，基于孪生网络的跟踪方案并解决长时间（long-term）问题一定是跟踪领域的热点。但相比于DCF及其衍生的CNN-DCF优秀的跟踪性能，Siamese还有相当长的路要走。一方面，基于匹配的跟踪何如引入时间场效应（temporal smooth）？如何引入attention机制将是难点。此外，如果想成为一种普适性的方法，很显然网络不能太复杂太深，否则时效性不好，平衡精度与速度始终是跟踪领域两座大山。

1. 摘要 及 目的

 作者提出一个和之前顶级跟踪器都不一样的新型跟踪器，没有模型更新，没有遮挡检测，没有跟踪器级联和重检测，也没有几何匹配（就是啥也没有，完全依赖深度卷积强大的特征表达能力）。方法就是用学习到的匹配函数进行最佳块匹配策略。

以DCF为核心的方法征服整个跟踪领域的途中，偶然出现一篇