第一个思路
One-shot learning
用第一帧给的label ，去训练一个分类器，
然后在后续frame ,利用这个分类器，在候选目标框中选出特征，送入分类器中判别是否是目标。 后续不断对分类器进行训练，更新，测试， 对分类器有一个分类过程。
第二个思路
1、 相似性度量的方式，判断第一帧目标， 解决了在线训练分类器的过程。 想要学到跟踪器，需要学到很多例子， 需要大量时间在特征计算上。
判断第一帧的目标是否是同一个目标，得到精确的目标估计，需要很多例子，每个例子需要进行特征计算吗，需要花费大量时间在特征计算上。
SiamFC ， 实际上使用卷积网络简化计算， 是的算法得到了大量提升，是一种数据驱动的方式， 利用大量数据学习，
实际上只计算了相似性，与之前的相关滤波相似，本质是对候选区域进行一个得分估计，而没有得到更多信息。
这就是李波， 同时可以得到一个得分， 同时回归到一个目标的位置，这样更加高效，只是稀疏采样的点，通过回归的方式得到更精确的表述。
想得到更加精细的表述。
引入
对于跟踪而言，想要估计的是目标的一个框，而目标的估计框，是对真正想要的目标的近似。
视频分割： 区分了前景和背景， 在第一帧中，只用bounding-box 的label 。
在后续中不断得到物体的mask。
通过得到的mask , 自然能获得一个bounding-box 。
同时算法如果很快， 有一个应用的场景。
提供的输入会非常简洁。
视频跟踪领域的算法对比：
Online 学习，
ECO 到底对目标是否有
高精度算法， 需要得到一个旋转矩形的估计，本质是得到目标mask的估计。
SiamFC 的本质，是得到了一个滑窗的得分。
增加了RPN ， 先用搜索图像和模板图像进行一个交叉相关，得到一个相关feature 的特征 tensor 。
这是一个256 256 的vector , 这个vector 是编码了目标图像和搜索区域中patch的相关信息。
然后通过一个1*1的卷积再hide , 然后就回归到你想要的一些输出。
在SiamRPN 中， 得到了一个anchor 的 score ， 及bounding box 的回归。
进一步， 推广：
增加了一个分支： mask 。
与之前算法不同的点： 、
1、 如果把语义分割的方法套过来，想要得到一个高分辨率的输出63*63，需要维持一个非常大的空间尺度，一旦空间尺度很大，速度就掉下来了，为了保持高速估计， 在channel 上面对pathch的mask进行编码。
这是高效的方式： 使用vector 进行一个空间位置的编码。
tensormask ，正式预测很多mask ， 是一个二分类的mask 。
tensor mask ， 来自何开明
编码了bounding-box 的信息。
mask 的监督是一个二分类的监督。
Boundingbox 分支可以去掉，因为mask 包含了 bounding
多任务学习方式。
多任务学习， 促进对boundingbox 的认知会有提升。
可以直观看出哪里不好。
为了得到更精确的分割结果，借鉴了deepMask ，和ship Mask 的工作。
加了refine 的module ,计算量特别低， 卷积核的操作不超过64 。
在vot将mask 转换成外接矩形。
最大最小外接矩形、 旋转外接矩形。
同时使用蓝色VOT Boundingbox 优化的方式吗， 最大化前景，最小化背景的方式。
真正对于一个合适的目标的表述是非常重要的。
使用了oracle ， 的相关滤波bounding box 。
使用了旋转矩形。
只需要一个bounding box 就可以完成初始化。
预测mask 进行预测
多任务学习， 对即使Siam Mask ， 验证了mask 的有效性。
Failurecases
大量抖动的图像。
孪生网络研究：
在遮挡情况下的研究不是很好。。
基于表观的建模， 需要离线训练。
遮挡情况下不是很好。
Siam FC
CMU 使用运动轨迹预测平滑轨迹，是的抖动不太明显,预测平滑轨迹。
提出时间一致性上的程度， score ,减少跳动。
方向：
对于时间的建模， Siamese 没有做的很好。
总结
1、增加了一个mask 分支。
2、对遮挡的情况不会有。