iccv2017-2 - EAST：Learning Policies for Adaptive Tracking with Deep Feature Cascades

看的第二篇iccv2017上的论文。Learning Policies for Adaptive tracking with Deep Feature Cascades

论文目标：在保证跟踪精度的同时提高跟踪速度。

主要思想：实现一种自适应方法，使用人工特征处理容易跟踪的图像，使用级联深度特征处理遮挡、模糊等在跟踪中有难度的图片。这样可以减少跟踪时间。将自适应跟踪问题转换成为一个决策过程。当一帧图片输入的时候，通过学习一个agent（不知道这个词怎么翻译才好，代理？）决定在一系列特征层中的哪一层中可以监测到目标或者使用下一层来处理。这样做会显著减少简单图像的feedforward cost.作者使用强化学习在线下训练这个agent.

在论文中，作者将手工特征和深度特征放到一个级联结构中，为了增快跟踪速度，训练一个agent来选择尽可能少的特征层。