siamfc++自己学习笔记
SiamFC++:通过目标估计指南实现正确和精确的视觉跟踪实验方法：我们通过引入分类和目标状态估计分支(G1)、无歧义分类得分(G2)、无先验知识跟踪(G3)和估计质量得分(G4)来设计我们的全卷积暹罗跟踪器++(暹罗FC++)。基准测试(OTB2015、VOT2018、LaSOT、GOT-10k、TrackingNet)两者对比：SiamRPN++由于锚对象不匹配而失败，而我们的SiamFC++通过对象之间的直接匹配而成功。跟踪问题可以被视为分类任务和估计任务的组合(Danelljan等人，2
