孪生神经网络学习

https://blog.csdn.net/Uwr44UOuQcNsUQb60zk2/article/details/78957391
https://blog.csdn.net/qinhuai1994/article/details/78696353
https://blog.csdn.net/fzp95/article/details/81867190
https://blog.csdn.net/discoverer100/article/details/79758131
https://blog.csdn.net/discoverer100/article/details/79758131
mat文件下载:https://drive.google.com/file/d/0B7Awq_aAemXQcndzY3M5dkprVTA/view?usp=sharing
cfnet train部分流程图:https://blog.csdn.net/discoverer100/article/details/80929889
SimenseFC and CFNet 对比:https://blog.csdn.net/fzp95/article/details/81867190
DCF+Siamensee 可以参考：https://blog.csdn.net/shenziheng1/article/details/80878290
孪生网络发展总结：https://blog.csdn.net/haoji007/article/details/88387420
实验:
1.不同深度直接的对比
2.融合实验，为了证明假说：CF在训练中就融入会比跟踪时融入好
3.自适应实验，给了一个不变的CF层验证跟踪时候更新CF参数的必要
4.效果上，虽然效果不错，但是总觉得作者在刻意隐瞒什么，比如Baseline-conv3的结果没在这里写出来（速度精度可能高于CFNet-conv1），再比如SiamFC-3s在原论文里fps达到86（https://arxiv.org/abs/1606.09549）。
1.实验中其他模型数据问题
2.CF层的作用？
可以将x制作成一个对变化有鲁班性的区别模板
Its effect can be understood as crafting a discriminative template that is robust against translations.
可以理解为对测试时的先验知识编码，当获得足够的数据和容量时，这个先验知识变得冗余甚至是过度限制。
The CF layer can be understood to encode prior knowledge of the test-time procedure. This prior may become redundant or even overly restrictive when enough model capacity and data are available.
3.训练时的怎么解决缩放问题（还得细看代码）

bounding box怎么确定的
当前帧的BB属于前一帧得出的BB的三个尺度中的一种。得到上一帧的跟踪结果后，在下一帧跟踪时，会选取三个尺度的搜索图像（图像大小都是255x255，只是缩放比例不同，根据论文中那个裁剪公式），进行三次推断，最后比较三个结果的最大值，当前帧的BB就是最大值对应的那个尺度