本文总结了基于深度学习的六种视觉跟踪算法，包括压缩跟踪（CT）、ECO、TCNN、Staple、MDNet和GOTURN。文章探讨了这些算法的核心思想，如模型降维、特征融合、在线学习策略等，旨在解决模型大小、训练集管理和模型更新等问题，以实现高效实时的跟踪效果。同时，文章指出目标跟踪领域目前面临的挑战，如遮挡和形变处理，并展望了可能的发展趋势，如GAN和3D视觉在目标跟踪中的应用。
本文是博主对最近看的相关跟踪算法的总结，其中的算法有一些不是基于深度学习的。另外本文只是对各篇论文的核心亮点简单描述，同时加上博主自己的一些看法。本文仅作为学习笔记，供学习交流，如果有什么错误或疑问，欢迎留言。
知乎：王弗兰克
https://www.zhihu.com/people/xue-sheng-er-yi/activities
这里提供两个链接，供大家学习参考。
目标跟踪专栏（目前在更新）：https://zhuanlan.zhihu.com/visual-tracking
”小白在闭关“个人博客：http://wh1te.me/index.php/tag/tracking/
一、压缩跟踪（compressive tracking）
简称CT，发表于ECCV2012，升级版发表于PAMI2014，简称FCT。
本文的核心在于使用压缩感知的方法来进行特征表示，实现了降维，同时得到的低维信号可以保持高维信号的特性。
压缩感知请参考：
http://blog.csdn.net/zhang11wu4/article/details/19699763
二、ECO（ Efficient Convolution Operators for Tracking）
论文链接：
http://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1611.09224.pdf
本文主要解决三个问题：
最低0.47元/天 解锁文章
7033
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
