SiamMask：视频跟踪最高精度 （中科院王强大神作品）

---

论文水平：CVPR 2019  https://arxiv.org/pdf/1812.05050.pdf

测试代码：https://github.com/foolwood/SiamMask

---

跟踪算法近年的发展（中科院王强博士维护）。 相关滤波的发展已经经过了几代迭代，发展到了瓶颈期。深度学习应该是以 SiamFC 为代表的 Siamese Tracker 脱颖而出。

 1. 背景

今年CVPR有一篇亮眼的视觉跟踪方面的论文，作者提出新算法SiamMask，在视频跟踪任务上达到最优性能，并且在视频目标分割上取得了当前最快的速度。

此篇文章一出，基本就是一个细分领域的终结。所有做单目标、短视频追踪的同学要么早点毕业，要么尽快转方向...如多目标跟踪问题、长时间稳定跟踪、3D目标实时跟踪、6D姿态跟踪。或者是在子领域做出卓有建树的工作，如笔者从事计算机辅助导航中的2D/3D/4D超声视频跟踪，融合了复杂样本、奇异分布、多目标标联合、长时间跟踪（15-25min）难题。

在两年前，当我们提起视觉跟踪（Visual Tracking），我们的脑海里总是灌满了相关滤波（KCF，SRDCF，CF2，CCOT，ECO... 等等经典工作在我的脑海里飘荡）。如果给这个时代截取一篇最经典的工作，我想我会选择 KCF。他是真的将视觉跟踪推向流行，让整个领域真的沸腾起来的工作。如果现在来分析他之所以能统治跟踪领域的原因，我觉得主要是两点：足够高效 + 开源。高效到只需要 10 行以内的代码就可以实现核心计算，随便一个 CPU 就可以跑到 200FPS 以上。这极大程度上拉低了视觉跟踪领域的门槛，让所有人很容易进入这个领域。

当然，除了怀旧以外。我们也会经常反思甚至有些诧异，似乎