? 理解出錯之處望不吝指正。

? 本文模型叫做Siam-RPN。本文將Siamese Network和RPN結合，提出了一種端到端的離線訓練方法，并把tracking過程視為one-shot detection（單項學習）。

? 訓練階段的網絡結構如下：

? tracking階段的網絡結構如下：

? ??

? tracking過程中，先使用第一幀在template branch中預測出weight，其他幀則經過detection branch生成預測結果（用到template branch中得到的weight）。

? 為了使one-shot detection framework更適用于tracking，作者提出了兩個選擇proposal的策略：

? （1）.丟棄那些遠離中心點遠的anchor生成的bounding boxes（如圖所示，只選擇藍色grid的bounding boxes）；

???

? （2）.使用余弦窗口和尺度變換懲罰項對proposals進行重新排序；

? （3）.使用NMS選擇最終的bouning box。

總結

以上是生活随笔為你收集整理的CVPR 2018 Siam-RPN:《High Performance Visual Tracking with Siamese Region Proposal Network》论文笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。