Attentional Correlation Filter Network for Adaptive Visual Tracking
CVPR2017
摘要：本文提出一种新的带有注意机制的跟踪框架，该框架会选择部分有关联的相关滤波器用于提高跟踪的鲁棒性和计算效率。根据跟踪目标的动态特性，本文利用深度自注网络选择部分滤波器。
本文的主要的贡献在于以下几点：
- 本文引入自注相关滤波网络，用于动态目标的自适应跟踪
- 利用自注网络，关注最好的候选模型
- 增加相关滤波器的多样性，以覆盖目标的更多的变化
本文网络结构如下图所示：
该网络由两部分组成：相关网络和自注网络。
本文选取两种特征--颜色特征和HOG特征。其中颜色特征是RGB，以及L，a，b。对于灰度图采用拉普拉斯在x，y方向的梯度代替GB两个维度。
KCF选用两种核：高斯核和线性核。
13中尺度：x，y轴的±1，±2，以及同时发生，如下图所示。
