Learning Attribute-Specific Representations for Visual Tracking
AAAI-2019
Paper：http://faculty.ucmerced.edu/mhyang/papers/aaai2019_tracking.pdf
本文提出一种新的学习思路，即：属性信息 (e.g., illumination changes, occlusion and motion) ，来进行 CNN 特征的学习，以得到更加鲁棒的 tracker。具体来说，就是设计一种基于属性的 CNN，并且带有多个分支，每一个分支用于分类特定属性的目标。这种设计的优势在于：在每一种挑战下，降低了目标外观的多样性，用更少的训练数据就可以训练模型（reduces the appearance diversity of the target under each attribute and thus requires less data to train the model)。我们将所有的特定属性feature，通过集成层（ensemble layer）进行聚合，得到更加具有判别力的特征来进行分类。其实这个思路，类似于 MDNet，但是又跟 MDNet 不同。
具体流程：
==
论文笔记：Learning Attribute-Specific Representations for Visual Tracking
原文：https://www.cnblogs.com/wangxiaocvpr/p/10409937.html