【Tracking 系列：二】GOTURN｜Learning to Track at 100 FPS with Deep Regression Networks

基于回归的SOT算法
可以跟踪未见过的类别样例
FPS高

Motivation

只关注单一目标，物体运动是连续的，使用相邻帧回归位置

Network

• 两个输入分别过5层conv ，然后将feature concat
• 再过3层4096维的FC（包含 ReLU 和 Dropout）,最后连接到一个输出为4的FC分别对应中心点x、y、w、h

其主要步骤是：

• 拿到上一帧图像以及我们要跟踪的目标在上一帧中的box position；
• 按照得到的box在上一帧和当前帧上裁剪出两倍于box大小的patch；
• 将两个patch输入到conv中，并通过fc来对特征进行综合，以预测当前帧中target box的位置。

注意，网络中的conv是在ImageNet预训练得到的，并且在这里不会再进行更新，只有fc才会被训练。

Dataset

视频+静态图像
静态图像用了个 数据增广的 trick

数据增广

• 将静态图片中待跟踪的object放在中间并框定区域（相当于作为t-1帧的region）
• 将整张图做形变当做第t帧来跟踪上一帧中的目标

Experiments

两个跟踪指标：Acurracy和Robustness

Thoughts

快速移动目标，增大搜索空间，或许可以
cnn参数 还有调参空间