1. 毕业设计（论文）主要内容：

目标跟踪的任务就是在给定目标物体初始位置之后,估计目标在后续图像序列中的位置。近年来，深度学习技术在目标跟踪领域得到了逐步的应用。面对复杂的跟踪场景，手工设计的浅层特征难以描述目标的变化，通过深层网络提取到的特征具有更加稳定的表征能力。但是目标的运动过程中的外观变化需要不断调整参数，这个在线学习的过程会给算法的时效性带来很大的挑战。通过离线训练一个相似性学习的全卷积孪生网络，可以避免了在线学习问题，通过比较目标模板与搜索区域的特征相似度，来拟合整个图像的相似图，从而完成模型的学习和跟踪。

本次设计要求采用全卷积的孪生网络实现目标的跟踪，采用Matlab或PyTorch等工具对跟踪算法进行仿真，并分析算法的精度和时效性。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；

2. 完成开题报告；

3. 卷积神经网络、孪生网络的原理及相关跟踪算法的学习；

3. 毕业设计（论文）完成任务的计划与安排

第1—2周：查阅相关的文献资料，对研究内容进行整体了解；

第3—4周：了解整体实现方案，完成开题报告；

第5—12周：根据方案进行设计和实现；

4. 主要参考文献

[1] bertinetto l, valmadre j , henriques, joatilde;of, et al. fully-convolutional siamese networks for object tracking[j]. 2016.

[2] valmadre j , bertinetto l , henriques, joatilde;of, et al. end-to-end representation learning for correlation filter basedtracking[j]. 2017.

[3] guo q , feng w , zhou c , et al. learning dynamic siamese network for visual objecttracking[c]// international conference on computer vision (iccv 2017). ieeecomputer society, 2017.