1.KCF
使用目標(biāo)周圍區(qū)域的循環(huán)矩陣采集正負(fù)樣本启盛，利用脊回歸訓(xùn)練目標(biāo)檢測(cè)器，并成功的利用循環(huán)矩陣在傅里葉空間可對(duì)角化的性質(zhì)將矩陣的運(yùn)算轉(zhuǎn)化為向量的Hadamad積呜投，即元素的點(diǎn)乘青自，大大降低了運(yùn)算量崖瞭，提高了運(yùn)算速度统屈，使算法滿足實(shí)時(shí)性要求胚吁。
2.CFNet
image.png
image.png
代碼：https://github.com/bertinetto/cfnet
image.png
結(jié)合傳統(tǒng)的DCF進(jìn)行對(duì)比，DCF就是線性核的KCF愁憔，DCF分為訓(xùn)練和檢測(cè)兩步腕扶，訓(xùn)練時(shí)用最小二乘法解一個(gè)嶺回歸問題把CF模板w求出來，檢測(cè)時(shí)w和搜索域的patch卷積就得到了response吨掌，所以CFNet的原版SiameseFC沒有訓(xùn)練直接把目標(biāo)和搜索域做相關(guān)半抱，比較naive，所以CFNet把DCF的一套都整合到了網(wǎng)絡(luò)中思犁，是一個(gè)端到端的模型代虾，由于加入了最小二乘的思想所以淺層也能有不錯(cuò)的性能进肯，但是這樣做的問題是把CF的邊界問題也帶到網(wǎng)絡(luò)中去了激蹲，所以作者又加了crop層僅保留中間的一部分，這就把邊界效應(yīng)降低了江掩。
