单目标跟踪 （二） Siamese network 综述

Siamese network: 连接两个输入并产生一个输出。目的是确定输入到网络的两个图像补丁中是否存在相同的物体。网络测量两个输入之间的相似度，并具有共同学习相似度和特征的能力。
Siamese+CF:

SiamFC 《Fully-convolutional siamese networks for object tracking  ECCV, 2016》 GPU 速度，3 尺度 86fps，5 尺度 58fps

 

SiameseRPN  CVPR  2018  160fps

 

18年ECCV的 DaSiameseRPN  160fps

 

改进一 CFNet  《End-to-end representation learning for Correlation Filter based tracking  CVPR2017》GPU  75fps

 

改进二 DCFNet 《Discriminant Correlation Filters Network for Visual Tracking   ICIP, 2017》100FPS

 

SiamRPN++：Evolution of Siamese Visual Tracking with Very Deep Networks   35fps

SiamFC++：Towards Robust and Accurate Visual Tracking with Target Estimation    90FPS

 

 

NoN-Correlation Filter Trackers

Patch learning Tracker:

MDNet 《Learning multi-domain convolutional neural networks for visual tracking  CVPR, 2016》 2015年VOT冠军

改进：《SANet: Structure-Aware Network for Visual Tracking》(SANet)  CVPR 2017  1FPS

（《Object tracking via dual linear structured SVM and explicit feature map》  CVPR 2016

ADNet《Action-Decision Net. for Tracking with Deep Reinforcement Learning》  CVPR 2017）

 

Siamese Network Based Tracker: 

GOTURN  《Learning to track at 100 fps with deep regression networks  ECCV, 2016》效果差  100FPS

(SINT《Siamese instance search for tracking》 CVPR 2016)

 

Graph Based Trackers: 

TCNN  《 Modeling and propagating cnns in a tree structure for visual tracking》1.5fps  2016年VOT冠军

(《Superpixel-Based Tracking-By-Segmentation Using Markov Chains》  CVPR 2017 基于分割