解决办法参考：Getthemeanfromalistoftensors问题背景最近跑一个Siamese-FC的复现程序，要求配置是python2.7+pytorch0.4，之前安装的是Pytorch1.0

代码地址：https://github.com/bertinetto/siamese-fc论文时间：2016年摘要目标跟踪问题一般是根据物体的外观来构建表观模型．虽然取得了不错的效果，但是他们这些online-onlyapproach

该论文是Siamese-fc的改进版。摘要相关滤

siamese-fcpytorch代码运行配置工程文件夹：Car1下面为1.代码下载地址：https://github.com/StrangerZhang/SiamFC-PyTorch2.下载模型2016-08-17.net.mat，放入新建的models文件夹下http://www.robots.ox.ac.uk/%7Eluca/stuff/siam-fc_nets/2016-08-17.net

siamese-fcpytorch代码解读demo_siamfc.py1.os.path.join(video_dir,“img/*.jpg”)连接两个或更多的路径名组件video_dir='../Car1/'b=os.path.join(video_dir,"img/*.jpg")print(b)打印结果为../Car1/img/*.jpg如果video_dir='../Car1'打印结果为..

open-vot集成了KCF、SiamFC、GOTURN等8种跟踪算法，采用模块化设计，利于不同算法的比较及扩展。本文主要介绍其中的SiamFC实现。运行要求代码运行需安装以下依赖包：condainstallmatplotlibshapelycondainstall-cconda-forgetensorboardx对于Python3，直接安装urllib3：condainstallurllib3：

一，孪生网络siamese-fc，两个相同的全卷积网络，共享权重。referenceimage为参考图像，一般为视频的初始帧，包含TrackingObject，透过孪生网络，生成Object特征图。

这是2016CVPR收录的在此之前，目标追踪一般都是online的，在这里引入了深度学习offline的训练，他提出了一种思想：similaritylearning他有三大contribution：首先在速度上可以实现实时检测通过一个范本来定位想要的被追踪物体（detection物体为卷积核，卷积下一帧的featuremap）使用了全卷积网络他的缺点：如果物体size变化太大时效果不太好如果有一堆

Fully-ConvolutionalSiameseNetworksforObjectTracking文章目录Fully-ConvolutionalSiameseNetworksforObjectTracking一、简介二、补充知识三、算法总体框架四、具体实现4.1数据集的处理4.2损失函数五、实验结果六、总结一、简介目标跟踪和目标检测还不一样，它不是对每一帧的detection，我刚开始接触跟踪

论文链接论文代码：后续会开源目录一、SiamRPN和DaSiamRPN算法回顾1、SiamRPN2、DaSiamRPN二、SiamRPN++细节详解1、论文动机2、创新点1-缓解平移不变性问题2.1、由Siamese-fc

论文论文题目：Fully-ConvolutionalSiameseNetworksforObjectTracking论文出处：ECCV2016论文主页：https://www.robots.ox.ac.uk/~luca/siamese-fc.html源码链接：https://github.com/torrvision/siamfc-tftf版的代码只有跟踪过程，训练代码需要看matlab版的：ht

本文模型叫做SINT，和Siamese-fc一样，通过相似学习解决跟踪问题（这篇论文的发表时间比Siamese-fc早）。

Fully-ConvolutionalSiameseNetworksforObjectTracking这两年可以说deeplearning已经占领了visualobjecttracking这个领域，但是对于跟踪问题来说，这些基于DL的做法虽然能够很好的提升跟踪的效果，但是在时效性这一方面却做的很差，这是因为DL复杂的模型往往需要很大的计算量，尤其是当使用的DL模型在跟踪的时候对模型进行更新的话，可

项目网页http://www.robots.ox.ac.uk/~luca/siamese-fc.html开源代码：https://github.com/bertinetto/siamese-fc本文将一个全卷积