Hierarchical Convolutional Features for Visual Tracking
ICCV 2015
摘要：跟盧湖川老師的那個文章一樣，本文也是利用深度學習各個 layer 之間提取出來的不同特征進行跟蹤。因為各個層次提出來的 feature 具有不同的特征。並且將各個層級的特征用現有的 correlation filter 進行編碼物體的外觀，我們在每一個層上尋找最佳響應來定位物體。
引言：討論了現有的跟蹤問題存在的挑戰以及現有方法取得的一些進展，並且引出了研究 CNN 各個 layer 的特征對跟蹤結果的影響。
現有的 deep learning 的跟蹤方法基本都是依賴於訓練分類器的方式來實現物體的跟蹤。但是這種做法存在兩個技術上挑戰：
1. 大部分的算法都只是用到了最后一層提出的 feature，這一層的特征其實是具有一定的偏差性的；
對於高層視覺識別問題，這些特征提供了有效的語義信息。但是跟蹤並不是識別其semantic classes，而是去定位物體的位置。
那么，很明顯，僅僅用最后一層的特征，並不是最優的選擇。
2. 第二個問題是關於提取訓練樣本。
訓練一個 robust 的分類器需要大量的兩本，但是這個在跟蹤問題上，並不是非常的適合。因為在一個物體周圍進行采樣，很難確定哪個算是正樣本，哪個是負樣本。
本文通過兩種方式來解決這兩個技術難題。
（1）利用神經網絡的各個層的特征，聯合的來表示所要跟蹤的物體；
（2）在各個層次自適應學習 correlation filter，而不必去進行樣本的 sampling。
本文總結的幾個貢獻點為：
1. 結合了各個層次的特征，進行物體的特征表示；
2. 采用線性 correlation filter 的方式在每一層來降低 sampling ambiguity。我們 infer 物體位置是通過一種 multi-level correlation response map in a coarse-to-fine fashion.
3. 充分的實驗。
為了更好的理解現有方法和傳統方法的區別和聯系，本文的相關工作寫的還是挺不錯的。現在我們來分析下這個小節：
Tracking by Binary Classifiers .
跟蹤問題可以看做是局部窗口內的一個重復的檢測問題，即：tracking by detection的思路。這種分類器學習的方式經常是 online的。
但是，在物體周圍采樣本的時候，經常會遇到模糊采樣的問題，導致輕微的不准確采樣就會使得分類器不准確，從而導致逐漸的偏移。已經有許多算法提出以嘗試解決上述問題。核心的 idea就是如何合適的更新一個判別分類器來降低 drift。這里作者給出了許多例子，這里就不一一列舉了。
Tracking by Correlation Filters .
相關濾波最近吸引了很多研究者的眼球，由於其采用了快速傅里葉變換，速度極快。基於 correlation filter 的跟蹤方法回歸所有輸入特征的 circular-shifted versions 到一個目標高斯函數，從而不使用 hard-thresholded samples of target appearance.
本文也是基於這種方法來做得，不同的地方在於，本文的方法結合了不同層次上的特征，而不是傳統手工特征。
那么，看到這里，其實本文的工作一句話來說就是：組合了深度學習的特征 + 現有的 correlation filter 進行跟蹤。其實，學術貢獻點並不是很大，居然可以發 ICCV 。。。
Tracking by CNNs .
視覺表示是跟蹤問題中非常重要的問題，傳統方法設計了很多非常有效的表示，例如：子空間表示，顏色直方圖。最近CNN 的表示已經被廣泛的驗證了其有效性。
然后作者列舉了幾個深度學習的工作，指出其不足之處在於：僅僅用到了最后一層的 feature，這是遠遠不夠的。
可以看出相關工作的寫作，是非常具有針對性的。列舉前人工作的時候，要根據自己方法的特色來划分類別和指出別人的不足。
本文的貢獻點是：CNNs + different feature + correlation filter
所以，作者從這三個角度，分別攻擊了前人方法的不足，其實是借助了另外的兩個成分來彌補當前談論的方法的缺陷。這個寫作技巧可以借鑒在以后的文章寫作中去。
下面這幅圖展示了各個 layer 特征的不同。
本文所提出的方法流程：
文章的主題部分大致分為幾個部分：
1. 卷積特征的提取；
2. Correlation Filter 的相關介紹；
3. Coarse-to-Fine Translation Estimation ；
4. Model Update
本文的算法流程如下所示：
實驗結果：
