【论文笔记】Object Tracking_简略版_201608

【1】Held, D., Thrun, S., & Savarese, S. (2016). Learning to Track at 100 FPS with Deep Regression Networks. arXiv preprint arXiv:1604.01802.

这篇文章提出了一种基于深度学习的目标跟踪算法，有以下几个特点：

1）快，100fps，比之前大多数采用深度学习的跟踪算法都快。

2）基于线下训练，不需要在线的学习。

3）测试目标可以不同于线下训练的数据集，当然，如果训练集里包含同样的类别，跟踪精度会有一定程度的提高。

这个算法需要两帧图像作为输入，使用前一帧的图像和目标检测框（扩展区域）、当前帧图像和同样区域，根据已训练好的深度神经网络，预测当前帧的目标所在位置。



PS: 最喜欢有code的好论文，安装测试了一下（使用作者提供的模型，测试集中类别没有出现在训练集中），效果看上去不错，速度也很快。



缺点是对于一些遮挡和重叠的情况，会出现跟丢的情况（白色矩形框为ground truth, 红色矩形框为跟踪结果）。