有关 SA-Siam 目标跟踪模型当中语义分支和外观分支的理解

• 语义

图像分类任务（ImageNet）学习的就是语义特征，更加高层

• 外观

但是，由于SiamFC方法中的网络训练是在相似度匹配的任务下进行的，训练数据使用的是一个视频中间隔不大的两帧，因此训练出的网络主要关注外观特征而无视语义信息，而语义信息的缺失会让跟踪器犯下常人看来无法理喻的错误。下图就给出了三个SiamFC方法的典型错误。
知乎

类似于传统的相似度检测算法，但是是生硬的相似度检测，比如人和人像照片

---

计算机视觉中，目前有哪些经典的目标跟踪算法？ - 林风的回答 - 知乎
https://www.zhihu.com/question/26493945/answer/1654903369