CVPR 2018 TRACA:《Context-aware Deep Feature Compression for High-speed Visual Tracking》论文笔记
理解出错之处望不吝指正。
本文的模型叫做TRACA。模型中使用多个expert auto-encoder，在预训练阶段，每个expert auto-encoder针对一个特定类进行训练；在tracking阶段，对于给定的跟踪目标，只使用最优的expert auto-encoder。
在expert auto-encoder的预训练阶段，首先使用所有的训练样本训练出，对所有样本在
上得到的compressed feature maps进行聚类，得到
个簇，针对每个簇，使用该簇对应的样本基于
进行训练得到
个不同的expert auto-encoder。
在进行聚类的时候，为了避免有一些簇过小，作者提出了一个two-step方法来进行聚类。（1）.在所有样本通过上得到的compressed feature maps中进行随机抽样得到
个样本，重复这个过程1000次，并且将其中与其他样本具有最大欧几里得距离的样本作为初始的簇，然后使用k-means进行聚类，得到2Ne个簇；（2）.将簇中样本数较少的
个簇删除，剩余的簇的中心作为上一段落中聚类的初始簇心。
为了使训练得到的更加鲁棒，作者使用了两种降噪方法。（1）.随机选择一些通道，将其数值置为0；（2）.互换特征图中某些位置的值。
Context-aware Network的目的是，针对某个tracking target，选择出用哪个expert auto-encoder，故Context-aware Network的输出值即为expert auto-encoder的标号（簇的标号）。预训练过程很简单，使用如下的损失函数（为交叉熵损失、
代表预测值、
代表真实值）：
以上都是预训练阶段，接下来是tracking阶段。
针对第一帧。
首先，使用高斯滤波和翻转进行数据增强，得到7个样本（初始1+高斯滤波4+翻转2）。
然后，使用这7个样本对选择的expert auto-encoder进行微调，这里使用到了CF正交损失（
代表
的层数）：
代表使用compressed feature map中的第k个channel通过下式得到的估计权值：
上式中，即为该通道的向量值，
为向量形式的响应图，
为共轭，
为预设的正则系数。戴帽子的原因是傅里叶变换。
微调后，删除那些在target bbox外有很大的响应值的channel。
在第二帧及其以后。
CF使用下式更新：
使用scaling factor 1.015和1/1.015来处理尺度变换。
当出现“全遮挡”时，要进行re-detection（使用上一帧的CF作为re-detection CF），若下式成立则视为发生“全遮挡”：
其中：