摘要

相关滤波器是一种算法，通过训练线性模板来区分图像及其平移版本。由于其在傅里叶域中的公式提供了快速解决方案，因此非常适合用于目标跟踪，使得检测器可以在每一帧中重新训练一次。然而，以往使用相关滤波器的研究工作所采用的特征要么是手动设计的，要么是为了其他任务而训练的。本研究首次克服了这一限制，将具有闭式解的相关滤波器学习器解释为深度神经网络中的一个可微分层。这使得可以学习与相关滤波器紧密耦合的深层特征。实验结果表明，我们的方法具有重要的实际优势，能够在轻量级架构中实现高帧率下的最先进性能。