ATOM、DiMP目标跟踪详细代码记录：测试

ATOM目标跟踪

只记录跟踪运行过程，数据集及模型参数加载不想说。

第一帧 tracker.initialize(image, init_bbox)

1. self.initialize_features()：载入模型参数，并定义跟踪过程所需要的特征层。
2. self.target_scale：bbox缩放比例(根据搜索区域(5h,5w)与预先设定的图片最大，最小比例)；self.pos：bbox中心在图像上的坐标；self.target_sz：bbox的(h,w)；self.base_target_sz：缩放后的(h,w)。
3. self.img_sample_sz：图片的长宽，限制为网络stride(16)的倍数。
4. self.init_learning()：初始化与在线学习相关超参。
   1. self.feature_windows：特征窗函数(1,1,18,18)，18=self.img_sample_sz/stride。
   2. self.filter_reg=0.1：正则项。
   3. self.projection_activation：在线学习参数W1后无激活函数
   4. self.response_activation：在线学习参数W2后激活函数F.elu(F.leaky_relu(x, 1 / act_param = 20), act_param),通过观察，经过两次激活函数之后，小于-0.1的数值几乎都在[-0.04,-0.05]，可能0到-0.1之间的值经过这两个激活函数后才有一定区分。
5. self.generate_init_sample(image)：生成样本30个，包含各种数据增强，以及dropout。每个样本的特征维度为(255,18,18)。
6. self.init_iou_net：通过第一帧得到两个调制向量self.target_feat (256,1,1) (256,1,1)。
7. self.init_project_matrix()：在线学习的参数W1(64,256,1,1)，初始化参数满足高斯分布。
8. self.init_label_function：根据self.pos和transformer.shitf制定labels(30,1,18,18)。
9. self.init_memory()：初始化参数W1(250, 64, 18, 18)。
10. self.init_optimization(train_x, init_y)：初始化在线学习相关。
    1. self.joint_problem：初始化参数W2(1,64,4,4)，计算残差W2(W1X)-labels。(30,256,18,18)->(30,64,18,18)->(30,1,18,18)
    2. self.joint_optimizer = GaussNewtonCG()，self.joint_optimizer.run(10,6)：利用初始帧的30个样本优化W1和W2，共6次高斯牛顿迭代，每次又在内部迭代10次共轭梯度。

后续帧tracker.track(image)

11. self.extract_processed_sample(image，self.pos,self.target_scale,self.img_sample_sz)：提取后续帧图片的特征(1,256,18,18)，再与W1,W2得到scores_raw(1,1,18,18)。
12. self.localize_target(scores_raw)：返回translation_vec(相对于图片中心的偏移), scale_ind(最大分数索引), s(最大分数), flag(‘not_found’ or ‘uncertain’ or None)。
13. scores_raw(1,1,18,18)经过快速傅里叶变换->在频率内(18,18)->(288,288)->反变换得到scores(1,1,18,18)。
14. self.localize_advanced(scores)：获取最大分数的translation_vec1=disp*self.target_scale、scale_ind1和scores。如果分数小(<0.25)，表示没有找到目标，返回translation_vec1、scale_ind、scores和flag=“not found”；如果分数足够大(>=0.25)，mask中心区域，获取第二大分数的translation_vec2。
    1. if score2>0.8score1： 返回位移小的translation_vec、scale_ind、s和"hard_negative"；如果两个位移都很大，返回translation_vec1、scale_ind、s和"uncertain"
    2. if score2>0.5score1 & score2>0.25：
    3. else：如果上述条件都不符合，返回translation_vec1、scale_ind、s和None。
15. 如果flag ！= “not found”：self.update_state()更新中心位置->self.refine_target_box(10,256,18,18)以中心位置和前一帧的(h,w)初始化10个(9+自身)随机偏移和大小的bboxes，提取其特征(10,256,36,36)并**通过self.init_iou_net()中得到的两个离线训练好的调制向量self.target_feat (256,1,1) (256,1,1)**得到分数(10,)->optimize_boxes()：对这10个bboxes进行优化，计算输出分数对于4(x,y,h,w)的梯度来更新bboxes的位置，然后再次计算输出IoU分数，分数比原来大的再次更新。判定优化迭代有两个条件(新IoU分数小于上一次该bbox的IoU分数；最多迭代5次)->返回分数前3的bboxes的平均bbox。这一步tracker.track返回就有了。
16. 如果flag ！= “not found” and flag ！= “uncertain”：self.get_label_function()获取新的labels->self.update_memory()把新的位置和样本放进去之前的30个初始样本，最多放250个，共280个样本。
17. 如果flag == “hard_negative”：self.filter_optimizer.run(5)，1次高斯牛顿(包含5次共轭梯度)；否则，每隔10帧1次高斯牛顿(包含5次共轭梯度)。

DiMP目标跟踪

16. 与ATOM的差别就在分类上，ATOM制定一个L2优化问题，通过高斯牛顿-共轭梯度法优化W1和W2两个参数进行分类。首先在第一帧利用30个初步学习W1,W2，后续不断更新。
17. DiMP通过一个参数W来优化，初始的W是通过提取15个样本的bboxes的特征并求均值得到；然后再第一帧的时候迭代10次，所使用的优化方法为SteepestDescent。与ATOM的区别就在分类的方法，预测bbox的过程完全一致。
    1. 生成13个样本提取特征(13,256,18,18)，dropout2个，共15个样本(15,256,18,18)。
    2. 参数W初始化：通过PrRoi Pooling提取特征(15,256,4,4)->求平均(1,256,4,4)=W。
    3. 通过10次迭代得到最终的W(在论文中称为Predicted Model f，本质就是W)。
    4. 测试阶段把这个W作为核与后续帧(1,256,18,18)卷积(有padding，padding=2)->(1,18,18)Score prediction分数。