理解有误，欢迎指正，转载请注明出处！ 这是发表在CVPR2016上的一遍用深度学习做跟踪方向的文章，文章利用孪生网将跟踪问题与图像的匹配问题联系到一起。 论文链接 代码链接 文章的核心思想： 通过Siam网络学习一个匹配函数。在得到第一帧目标信息之后，接下来的每一帧的候选框都和第一帧目标框进行匹配度计算，得分最高的候选框即为该帧中目标。（好处：目标被遮挡之后不用担心无法找回，因为网络不更新，那

SINT阅读笔记 一、 动机二、 贡献三、 主要内容四、 实验结果五、 结论 论文地址： https://arxiv.org/pdf/1605.05863.pdf 论文代码地址： https://github.com/taotaoorange/SINT 一、 动机 建议学习匹配机制，而不是明确地为特定的行为建模 二、 贡献 ① 建议从外部视频数据中学习一个用于跟踪

安全类型：sint （Secret integer in the protocol-specific domain.） Most non-linear operations require compile-time parameters for bit length and statistical security. They default to the global parameters s

转子动力学中，x方向上振动位移为x=X0*sinwt，与其方向垂直的y方向上振动位移为y=Y0*coswt（因为假设无阻尼 所以垂直方向 相位差为90度），然后可以列出涡动方程. mx''+cx'+kx=fx  my''+cy'+ky=fy 而采用z=j*x+y 这种复数形式表示振动位移，则可将两个方程合为一个复数形式的涡动方程，比较简洁。 引入复数，我觉得纯粹就是为了表达方便。 至于为什么是z

SINT++是cvpr2018的一篇关于深度学习在目标跟踪的应用的论文，在这篇文论中，作者认为深度学习在实际目标追踪中存在训练数据不足的问题，由此提出基于SINT的优化算法SINT++。深度学习开始引入目标跟踪领域时，无论是在Success plot of OPE还是Precision plot of OPE结果图上都取得可观的实验结果，之后得到很多人的关注。近年来，目标跟踪比较主流的两个方向是基