DCF:基於判別相關濾波器
論文鏈接:https://arxiv.org/abs/1704.04057v1
本方法同時是利用孿生網絡,是Siamese FC的改進版本。同時完成卷積特徵提取過程和在線協同濾波跟蹤過程,真正屬於End2End(端到端)的框架。在傳統判別濾波器的基礎上進行了如下三點改進:
1、進行多核方法的探索;
2、和深度學習方法進行結合,實現端到端的設計,取代之前的訓練深度特徵提取器提取特徵再進行相關濾波的操作;
3、對spatial-temporal regularization進行深入研究
作者將DCF視爲Siamese網絡中添加的特殊的相關濾波層,並通過將網絡輸出定義爲對象位置的概率熱圖來仔細通過它來推導反向傳播,作者給出了詳細的反向推導過程。
傳統DCF基本原理框架
本圖來自https://blog.csdn.net/wanghanthu/article/details/52777512
1、網絡結構:
卷積層:用來離線訓練過程中編碼先驗跟蹤信息,並構造一個專屬的特徵提取器
相關濾波層:通過將網絡輸出定義爲目標位置的概率熱圖,完成在線學習和跟蹤
1、1判別相關濾波
1、2DCFNET推導:反向傳播過程
1、3在線模型更新:一種RNN解釋
參考博客:https://blog.csdn.net/shenziheng1/article/details/80878290