論文鏈接：PDF
總結：利用梯度信息去更新siamese tracker中的模板，使用了一種新的訓練方式，使得網絡更關注於梯度信息，防止過擬合
圖片的梯度信息可以反映目標的變化（類似DAT，DAT中有理論解釋）
網絡框架：
可以看到，網絡主要有兩個分支，下面的一個分支用來提取search region的特征，上面一路提取target的特征，並進行模板更新。
給定一個圖像對：
， 希望對模板進行優化，得到優化的模板
， 能夠更好的從搜索區域中找出目標。首先，獲取初始的模板特征：
其中， f2()是兩層卷積層，U1是框架圖中所示的一個子網絡，
是U1的參數
計算得分圖：
計算loss:
Y是標簽
將loss對
求導，將其加到
上去，更新目標的特征：
得到新的模板，並計算得分圖：
loss:
另外，作者認為現有的優化方法，不能很好的優化梯度，而是更關注於目標特征的相似性。因此，使用了一種新的模板生成的方式，去訓練優化網絡。
左邊的是一般的做法，右邊的是本文使用的模板生成的方法，使用一個模板在來自不同視頻的搜索域上搜索目標，使得網絡更關注於梯度，而不是外觀特征，並能防止過擬合。