Good Features to Correlate for Visual Tracking 阅读笔记

Good Features to Correlate for Visual Tracking

本文效果

1， 速度：2fps，没有实时；
2，性能：0.922(PP-OTB2013)，0.692(SP-OTB2013)，0.899(PP-OTB2015)，0.678(SP-OTB2015)，在OTB2015上相比其他算法在PP和SP上相对OTB2013结果下降不多，OTB2013的SP上没有突破0.7大关，但是总体性能已达到当前最优水平，VOT2017性能第一名，在实时测试中名次很差；
3，本人评价：本文最大的贡献在于提出了如何学习适用于CF的特征，推导了一些关键的反传公式，但是从本文的思路和实验效果来看，并没有达到预期的效果（对C-COT特征进行改进，但是性能提升很小），而且速度也一如既往的慢，应该还有很大的改进空间；

本文贡献

1， 使用CNN，专门为基于相关滤波的目标跟踪算法学习特征表达方式；
2， 基于目标跟踪问题设计损失函数，推导出如何在CNN学习过程中进行反向传播；
3，结合DCF（模型学习方法）+CCOT（特征插值方法）+DSST（尺度估计方法）+CNN（特征提取方法）；

DCF子模块（简单复习）

目的：基于样本循环假设，在频域快速求解目标跟踪模型（线性），对模型进行线性更新后，在频域进行快速目标定位。

1，目标优化表达式：
2， 模型求解表达式（频域）：
3， 模型更新表达式：
4，目标定位表达式（频域->时域）：

CCOT（简单复习）

目的：在DCF中将来自CNN的不同大小的特征插值到同一尺度，因为只有每个通道的特征尺度相同才能一起学习DCF模型

1， 插值函数：
2，多通道目标定位函数：
3，目标优化函数：；

本文方法

1，目的：通过训练CNN，得到适合DCF的特征提取方式；
2， CNN特征与DCF：对于应用在DCF中的特征应该有平移不变性的能力，而CNN的计算原理正好满足这一需求；
3， 训练元组： τ={x,y,g} ， y ->目标在中心的图像块， x ->对目标进行随机移位的图像块（和y不在同一帧）， g ->根据 x 的移动信息建立的目标响应图；
4， 训练损失函数：；
5，反向传播推导过程：略；
6，计算复杂度分析和减小：一般来讲，CNN的最后一层输出通道数大概为64~512，在DCF计算过程中傅里叶变换占据了主要时间消耗，所以如此多的通道数用在DCF中是不现实的。本文通过在经典模型的最后一层加入D->L(L<< D)进行通道数缩减。以往的经验告诉我们，CNN特征用于DCF中，特征通道数越多往往定位越稳定准确。本文认为通过本文学习后每层特征的质量得到提高，所以可以在通道数较少的情况下得到鲁棒的目标跟踪效果。

训练数据制作

1，通过VOT2015得到200K训练数据 τ ：截取目标周围两倍面积大小区域（正方形：为了保持缩放后目标的长宽比）并统一缩放到101*101大小，对于x则相对于中心位置随机移动 [−0.3×(W，H)，0.3×(W，H)] ，x和y帧数差异为以5为中心的高斯分布；
2，采取和上述相同的方法在ILSVRC上采样得到200K训练数据 τ ；

本文CNN结构

1，对于上述小训练集20K，本文采用如下两种CNN结构，均包含4个卷积层，并仅使用最后一层特征；

2，对于上述大训练集200K，本文在VGG-M上进行fine-tune，并额外增加卷积层将VGG-M最后卷积层降维到32通道；

实验1

1，跟踪器配置：DSST算法+VOT2015训练得到的特征；
2，上表为了说明本文所学习特征的有效性，表中本文使用在VOT2015上训练得到的单通道和多通道特征，通过表中数据可知，在其他配置相同的条件下，基于本文的特征虽然通道数少但是效果却比手工特征要好；

实验2

1，跟踪器配置：C-COT算法+VOT2015训练得到的特征；
1，与C-COT和deepSRDCF进行对比，C-COT中使用了611通道的特征，deepSRDCF中使用了96通道的特征，本文使用27通道特征（最后一层+第0层+第一层）用于C-COT架构中，在性能上超越了C-COT；

实验3

1，跟踪器配置：C-COT算法+（ILSVRC微调的VGG-M特征+第0层+第1层）；
2，由于使用了更好的特征，所以降低了C-COT的迭代次数，得到了三倍于C-COT的跟踪速度，但是~我感觉并没有相对C-COT在性能上提升多少~~~恕我直言~这种性能的提升在C-COT上调调参数估计也能达到；