? 理解出錯之處望不吝指正。

? 本文模型叫做SINT，和Siamese-fc一樣，通過相似學習解決跟蹤問題（這篇論文的發表時間比Siamese-fc早）。模型的整體結構如下：

???

• ? 跟蹤過程

? 模型分為兩路，左側為“Query stream”（接收第一幀的bbox），右側為“Search stream”（接收第t幀的candidate boxes），在跟蹤的過程中，根據下式選出得分最高的candidate box作為跟蹤結果。

???

???

? 函數表示對于輸入進行特征提取、池化、正則化之后得到的數據表示形式。

?

• ? 訓練過程

? 模型的訓練集和驗證集選擇的是ALOV。訓練集合包括60000對幀，每一對幀中包括128對bbox。驗證集包括2000對幀，每對包括128對bbox。

? 訓練過程就是最小化損失函數：

???

???

? 式中代表訓練對是正樣本對or負樣本對，如果是正樣本對，則，否則。

? 論文中提到，跟蹤問題作為一個定位問題，不應使用過多的max pooling，過多的max pooling會導致定位不準確。但是max pooling的優勢在于對于輸入的局部形變具有不變性，也不能棄之不用，故設計為兩個max pooling層。

?

• ? 實驗

? 首先是網絡結構的選擇，下圖是在OTB-2013上的測試結果：

???

? 作者通過實驗發現，max pooling對于Siamese Alexnet是不必要的：

???

? 下圖是模型在OTB-2013上的測試結果（其中SINT+是基于SINT上使用更好的采樣策略和光流附加模塊的一個模型）：

???

???

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的CVPR 2016 SINT:《Siamese Instance Search 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。