论文：Fully-Convolutional Siamese Networks for Object Tracking（SiamFC）

Fully-Convolutional Siamese Networks for Object Tracking（SiamFC）

这篇文章有V1和V2，分别在ECCV2016和CVPR2017上发表具体可以看项目原址。

1、项目原址：http://www.robots.ox.ac.uk/~luca/siamese-fc.html
2、代码：https://github.com/bertinetto/siamese-fc
3、https://blog.csdn.net/autocyz/article/details/53216786

 

       传统上，通过使用视频本身作为唯一的训练数据，专门在线上学习对象外观模型，可以解决任意对象跟踪的问题。 尽管这些方法取得了成功，但仅在线方法固有地限制了他们可以学习的模型的丰富性。 近来，已经进行了一些尝试来利用深度卷积网络的表达能力。 但是，如果事先不知道要跟踪的对象，则必须在线执行随机梯度下降以适应网络的权重，从而严重损害系统的速度。 在本文中，我们为基本跟踪算法配备了在ILSVRC15数据集上进行端到端训练的新型全卷积暹罗网络，用于视频中的目标检测。 我们的跟踪器以超出实时的帧速率运行，尽管极其简单，但在多个基准测试中仍可实现最先进的性能。

---

引用：https://blog.csdn.net/autocyz/article/details/53216786

---

引用：Siamese-fc孪生网络目标跟踪

这篇文章是很多文章发散的基础可以看一看，孪生网络也是现在的热门，研究一下不会有错！