? 理解出錯之處望不吝指正。?

? 本文模型叫做RASNet，在Siamese框架下重構了CF，提出了三種attention機制（general、residual、channel），這三種attention的提出使得離線訓練的特征表示可以適應在線跟蹤的目標，同時避免過擬合。

? 傳統的Siamese使用f(z, x)函數對跟蹤目標z和search image x進行評價：

???

? 作者認為，不同位置的權重應該不同：

???

? 這里的即為attention，稱為“full attention”，我們又將其分為兩部分：dual attention 和channel attention B。其中，又分為兩部分：general attention和residual attention（下式中的兩部分）：

???

? general attention負責編碼所有訓練樣本的共性。

? residual attention負責學習每種不同的跟蹤物體之間的差異性。

???

? channel attention負責使模型適應于不同的contexts。

總結

以上是生活随笔為你收集整理的CVPR 2018 RASNet:《Learning Attentions: Residual Attentional Siamese Network for Tracking》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。