图一SiamNet网络结构。搜索区域x,输出的是一个得分图，所谓的得分就是相似度度量，得分图的维度是由搜索图像块决定（样本模板和搜索区域进行密集交叉相关）。代表的是一种特征映射操作，将原始图像映射到特定的特征空间传统意义上，任意目标跟踪问题采用在线学习目标的形貌特征完成。尽管这些在线的方法已经取得了非常好的结果，但是啊仅仅在线的方法本身具限制了模型学习的丰富性。最近，一些学者开始利用深度卷积网络的强大特征表达能力。然而，当跟踪的目标事前并不知道情况下，我们有必要采用SGD在线调整网络的权重，这严

图一SiamNet网络结构。搜索区域x,输出的是一个得分图， 所谓的得分就是相似度度量，得分图的维度是由搜索图像块决定（样本模板和搜索区域进行密集交叉相关）。代表的是一种特征映射操作，将原始图像映射到特定的特征空间传统意义上，任意目标跟踪问题采用在线学习目标的形貌特征完成。尽管这些在线的方法已经取得了非常好的结果，但是啊仅仅在线的方法本身具限制了模型学习的丰富性。最近，一些学者开始利用深度卷积网络的强大特征表达能力。然而，当跟踪的目标事前并不知道情况下，我们有必要采用SGD在线调整网络的权重，这