基于Deep Learning的跟踪算法总结（二）

本文主要谈谈TCNN（树状CNN）实现物体跟踪算法的大致流程和原理。

论文：《Modeling and Propagating CNNs in a Tree Structure for Visual Tracking》，应该是投了CVPR2017。
论文地址：https://arxiv.org/pdf/1608.07242.pdf

论文的大体方法请参考：https://zhuanlan.zhihu.com/p/25312524
鉴于论文的思路比较简单，公式不多，建议直接看论文，这里不再具体叙述。本文仅粗略谈谈本文的实现过程和亮点。

模型原理：

首先我们看一下TCNN的结构：

先看左边的（a），直观上，多个CNN组成了常见的树状结构。
第一次这个图的时候有一个困惑，CNN究竟是怎么组成树状结构的呢？难道是多个CNN提取特征，再加权求和吗？

其实这个在论文摘要