? 理解出錯之處望不吝指正。

? 本文用到了變分自編碼VAE和強化學習DQN，我覺得很新穎。整體架構如下圖：

? 首先，使用VAE來生成positive sample，如上圖中右下角。

? 然后，使用HTPN網絡將得到的positive sample變得更加hard，即：添加遮擋。那么問題就來了，（1）.我們要遮擋目標物體中的哪部分？（2）.用哪部分去遮擋（1）中的部分？

? 這兩個問題有一個共性，就是要locate one image region。locate的過程可以視為一個MDP（馬爾科夫決策過程），MDP問題可以使用強化學習知識來解決。state就是當前得到的特征圖，可選擇的action如下圖：

???

? reward的設置根據預測分數的變化來給予：

???

? trigger action的reward通過下式決定（其中是預定義好的閾值參數）：

???

總結

以上是生活随笔為你收集整理的CVPR 2018 SINT++:《SINT++: Robust Visual Tracking via Adversarial Hard Positive Generation》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。