Siam-RPN论文阅读

摘要

Siam-RPN是继Siam-fc又提出的一个实时性比较好的网络，将检测领域中的RPN网络结构引入解决跟踪问题，给我们提供了新的思路。

论文核心

网络结构分为两个部分，第一部分是siamese network，第二部分是region proposal network.
siamese network主要就是负责特征提取的作用，本文还是重点讨论下RPN网络和在阅读时遇到的一些小问题。
网络结构图如下：

Q1:RPN中的2k和4k是什么意思？
k代表anchor的数量，anchor的数量是由anchor的比例和尺度数量相乘决定的。
Q2:anchor是在原图上打出还是特征图上？
achor都是打在原始图上
Q3:正样本和负样本怎么区分？
anchor和groundtruth的IOU大于0.6为正样本，小于0.3为负样本，那么IOU在0.3到0.6之间呢？

思考：正负样本之间的失衡是否会导致训练效果比较差?

One-shot detection

论文中有个部分叫one-shot detection,这名字如果是我翻译的话就是“一次检测”，话不多说，给出论文中的网络结构图。

首先模板是采用第一帧中的target，（模板和搜索图片做互相关，因为模板比较小，所以经过特征提取后模板就相当于卷积核，然后对特征提取过的搜索图片进行卷积操作），所以参数就是第一帧模板的参数，参数在整个tracking过程中都没有发生变化，下面的Detection Frame 就变成了一个local detection task，模板分支将类别信息放入到卷积核中，检测分支等于使用该信息进行检测。