论文笔记之DSiam

ICCV2017的一篇文章

原文链接：http://openaccess.thecvf.com/content_ICCV_2017/papers/Guo_Learning_Dynamic_Siamese_ICCV_2017_paper.pdf

基于匹配算法跟踪性能不好的原因在于，缺乏重要的在线适应性。当在目标周围出现跟目标相似的物体时，或者当目标的表观变化明显的时候，基于匹配的算法都很容易跟丢目标。一个直观的想法就是用上一帧的结果代替样本模板。但由于跟踪结果不总是正确的，这种不可避免的跟踪误差使得这种跟踪策略很容易脱离真正的目标。

所以本文提出一种动态双胞胎网络，该算法学习一个转换模型，该模型能够根据之前得到的样本有效的学习目标的表观变化，以及背景抑制。