MD大神的论文，一如既往的难懂，但是学习的道路总不是一帆风顺的，在此记录下来，以备以后之需。
以后像这种有难度的论文，更好坚持做好笔记，做好记录，查漏补缺，不定期的拿出来读一读，说不定会有好的思路启发的。
摘要：目标跟踪需要在线（在inference阶段）学习指定目标的外观模型，siamese类方法离线训练网络（在imagenet等数据集上），在线提取特征对比相似度进行跟踪，但在推理阶段忽略了背景信息，对target-background的判别性差。本文提出了一种端到端的跟踪结构，可以充分利用目标和背景信息进行目标模型预测，通过设计一种判别性学习loss，并利用迭代优化求解的方式，可以获得跟踪结构。
Motivation：解决siamese类方法的三个局限：
1. Siamese类方法缺少利用背景外貌信息，当目标和背景相似时，不能区分。
2. 相似性度量对于许多未见过的物体并不可靠。
3. Siamese方法缺少模型更新策略。
contribution：
解决上述3个问题，40fps，在6个benchmark上，均是state-of-the-art。
algorithm：
网络模型如上所示，遵循规则：1，一个判别性强的loss可以增强学习的目标模型的鲁棒性，也就是一个需要重要的损失函数。
2，一个强大的优化策略可以加速收敛，增强模型学习的快速性。
Discriminative learning loss
像传统的岭回归问题，使用均方误差作为损失函数，会强迫模型关注大量负样本进行优化，而不是关注模型判别力，所以使用合页损失函数的思想，即当正负样本距离大于一定距离时损失才为0，从而更好的区别正负样本。所以，损失函数如下：
max（0，s）表示当样本为负时的得分。
optimization-Based architecture
常量α会导致较慢的收敛速度，且该常量不基于当前数据或者模型估计。基于梯度下降法求f的解。这里关键是求出model f，并不关注D，对于f=D（Strain），输入已知，求出f后，相当于隐含的知道了D，这里是直接对f求取的，并将f作为卷积层参数。具体对f的求解，可以看表格algorithm 1。
Initial Filter prediction
设计一个小的网络对f进行初始化，在利用model optimizer 对网络进行优化，（迭代N次）。
learning the discriminative learning loss
介绍了前面损失函数中的参数yc，mc，vc的自适应学习过程，yc表示标签置信得分，mc表示target mask，vc表示权值参数（为了平衡正负样本而设置的）。
offline training
给定图像对（Mtrain，Mtest）（在同一个序列中抽取的），将图像对通过backbone进行特征提取，得到（Strain，Stest），在Mtrain上预测出target model f 然后在Mtest上对该模型 f 进行测试，输出score prediction。
单个样本的损失如下:
这就是之前提到的Hinge-like损失函数，T表示前景和背景，所以这里只惩罚背景样本。
总体的目标分类损失函数如下：
Zc是高斯型mask中心在target bbox中心。
整个网路的总损失函数如上，Lbb表示bbox估计损失(用predicted IOU和groundtruth 来overlap)。
training and online tracking
训练数据集：trackingNet、Lasot、got10k，coco，backbone网络初始化参数取自于imagenet weights。在线跟踪时，对首帧样本进行数据增强，获得15个样本，在求解目标模型f 的优化过程中，使用10次梯度下降，在模型更新过程中始终保持50个样本，20帧更新 一次模型f。
使用pytorch，backbone 为resnet18， 57fps，resnet50 43fps， 1080 gpu。
