视觉跟踪：MDnet

　　深度学习在2015年中左右基本已经占据了计算机视觉领域中大部分分支，如图像分类、物体检测等等，但迟迟没有视觉跟踪工作公布，2015年底便出现了一篇叫MDNet的论文，致力于用神经网络解决视觉跟踪，它同时也是2015年VOT的冠军。

　　卷积神经网络(CNN)有一些基本的问题：

　　CNN在图像分类上取得巨大成功，一个必要的条件是拥有了数以百万计的已标注训练数据集ImageNet. 而对于视觉跟踪而言，却一直缺乏类似数据量的数据集。如果只使用视频中第一帧给定的Ground Truth做训练数据，毫无疑问会非常容易产生过拟合。