貢献
- 情報ラインをキャプチャするように、フレームの空間と時間を学習小説再発フィルタを提案し、（追跡に）微調整を必要としません。
具体的には、メモリセルとして、初期化とターゲットの外観を更新する効率的かつ効果的な方法の設計は、CONVのLSTM更新対象が明らかです
ネットワークアーキテクチャ
グラウンドトゥルースから作物に使用すると、模範オブジェクト許可（E_ {T}の\）\を（* 127 * 127。3）E-CNN（模範特徴抽出）を介して標本機能を与えるために、\（E_ {T} \）（6 * 6 * 256）、入力CONV-LSTMとして、受信CONV-LSTM \（E_ {T} \） 、また、ステータス隠された状態で受信\（H_ {T-1} \）と電池状態\を（C_ {T-1} \ ）、隠された状態の現在の状態を生成する）\（H_ {T}を\（6 * 6 * 1024）及び電池状態\（C_ {T} \）隠された状態（図6 * 6 * 1024）によって産生さ\（H_ { T} \）出力層を介して（1 * 1 * 256コンボリューションカーネル）を生成するフィルタオブジェクト\（F_ {T} \）（6 * 256 * 6）、次のフレーム画像検索で\（Tの+。S_の1 { } \） * 3 * 255（255）、検索画像特徴（22 * 22 *後に得た 256） 相関のためにS-CNNの特徴抽出操作後（畳み込み実際）応答マップ得\（R_ {T}を\） （図17 * 17）
S-CNNとE-CNN
ネットワークに示すように、異なるパラメータを持つS-CNN E-CNNは、（そのような実験は効果が最良であることを示す）、畳み込みネットワーク構造は同じである
ネットワークは、加速度と収束後のCONV BatchNormalization、コンバージョン-5を除いて、活性化するために使用されています機能ReLu
畳み込みLSTM構造
LSTM同様の構造元の構造に、しかし畳み込みプラスSIGMOD層（3×3フィルタ）の前に、に格納された画像の空間構成
初期化状態セル\（C_ {0} \） 、隠れ状態\（H_ {0} \ ） CNN-Eで抽出模範最初のフレーム\（E_ {0} \）は、次いで、コンボリューション（3 * 3 * 1024）CONVのフィルタ初期化が完了した後TANHを行います。
損失のfuction
トレーニングの詳細
ミニBATCHSIZE 10個のビデオクリップ10の長さは、拡張データを、ランダムな干渉色、画像のミラーリング、延伸、
オンライン追跡
我々は、スケールビルドピラミッドにBBox回帰を使用していないが、目標位置と最大位置を選択し、バイキュービック補間を用いて行うこと、および
\（R ^ {M}（ F_ {T}、S_ {T + 1}）=のF_ {T + S_ {T *} 1} ^ m個の\）
\（V ^ Mの\）がマップ応答である\（R＆LT ^ Mの\）スケールにおけるmの最大値。
見出さ\（V ^ Mの\）の最大寸法こと
で、次元Mを取得する前に、k番目の位置の平均スコア
\（^ {P} = * \ K FRAC {} {}。1 \ SUM \ limits_ {K} ^ {K}}} {P_ {k個の\）