《Learning multi-Domain Convolutional Neural Networks for Visual Tracking》论文笔记

1，Multi-Domain Network

网络结构

网络比较精简，3卷积（继承自VGG-M）+2全连接（ReLU+dropouts），共五层，最终由k个branch（对应k个domain）

训练SGD（Stochastic Gradient Descent）

网络精简原因：

1，追踪系统只是想要将target和背景区分开，任务总体来说很简单

2，计算量

2， Learning Algorithm

高亮部分就是核心思想

网络的训练没有太多的特点，用mini-batch 到的指定的iteration就ok

在loss function 没有特定的设定，但domain-independent 还没有很好地理解

3，Online Tracking using MDNet

trick 1: long-term and short-term update

trick 2: Hard Minibatch Mining

trick 3: Box Bounding Regression (提高定位准确率)

trick 4: implementation details(一些实现的小技巧：参数初始化、训练数据、网络的学习速率等)

---

文章核心思想是将追踪变成了一个简单的二义性问题：将target和background区分开来