CFNet: End-to-end representation learning based on correlation filters

基于相关滤波器追踪的全面端到端表示学习技术, CVPR2017

论文主页：http://www.robots.ox.ac.uk/~luca/cfnet.html

源码链接：https://github.com/bertinetto/cfnet

深入探讨：<> （深入透彻的分析）

1. 论文摘要、贡献

图一：CFNet整体架构

相关滤波器利用训练一个线性模板以用于判别frame-frame之间目标的平移特性。该方法在傅里叶空间中不仅具有高效的计算能力，并且能够实现每一帧图像上的实时更新过程。先前的研究主要集中在结合人工设计的手工特性和特定任务下的卷积特征求集于DCF跟踪框架内。作者提出了一种将CF转换为可微分神经网络层的方法，并将其与特征提取网络协同工作以实现端到端优化的过程。这种配置使得提取到的卷积特征求得与相关滤波器高度耦合的状态。本文的核心创新点在于采用轻量级架构但仍能达成当前研究领域的最佳性能水平

传统的全卷积孪生神经网络主要关注于将当前帧与初始帧进行匹配配准，并未全面考虑整个模型的跟踪过程。相比之下，在目标检测框架中每一帧都会计算一个新的目标检测模板，并