簡稱：DSLT(deep shrinkage loss Tracker)
論文地址：http://faculty.ucmerced.edu/mhyang/papers/eccv2018_rtsl.pdf
先看本文的效果：
創(chuàng)新點(diǎn)：
? ?1 ? ?提出shrinkage loss 來解決樣本極度不均衡的問題银伟。實(shí)驗(yàn)表明绘搞，本loss不僅提升性能，而且還加速收斂看杭。作者聲稱本 loss效果比預(yù)值為0.01的OHNM好
? ? ? ? 原理上講：簡單樣本的loss被大量壓縮了.所以叫壓縮loss
? ? ? shrinkage loss 實(shí)際上由 l2 loss和 l3 loss(Facal loss)啟發(fā)，
? ?2 ? ?利用殘差的方式連接多層卷積榨咐。這種殘差連接方案的效果通過消融實(shí)驗(yàn)有證實(shí)。在論文的5.3節(jié)
實(shí)現(xiàn)細(xì)節(jié)：
caffe toolbox in Matlab
i7 4.0GHz CPU
NVIDIA TITAN X GPU
VGG-16 backbone
1x1 convoluting layer to reduce the channels from 512 to 128(on conv5 3 and conv4 3)
?訓(xùn)練：adam
lr=8e-7 conv53
lr=2e-8 conv43,
when update, the lr is set to 2e-7 and 5e-9,
T=7数焊，用前面7幀去預(yù)測后一幀圖像得位置
標(biāo)注用一個(gè)核大小為目標(biāo)變長為0.1的2緯高斯函數(shù)生成
尺度方面， ratio=1.03,pyramid levels = 3,
5.7frames per second.
source code is :https://github.com/chaoma99/DSLT.
個(gè)人點(diǎn)評(píng)：
復(fù)現(xiàn)思路：VGG 16做backbone,conv53與conv43做一些將channel然后做一個(gè)殘差連接方案
標(biāo)注的生成就用二維高斯模型來生成所謂的軟標(biāo)注
因?yàn)樽髡吆芮擅畹母膭?dòng)了loss和一個(gè)殘差連接方案遂蛀，改動(dòng)量很小，這里除了可用matlab來實(shí)現(xiàn)李滴，還可以用其他框架快速的做實(shí)驗(yàn)。
