Regressing coordinates directly is

Regressing coordinates directly is highly non-linear and it is difficult for us to interpret the mapping.In order to know what really happens in LSTM during tracking, especially under occlusion conditions,we alternatively convert the ROLO prediction location into a feature vector of length 1024, which can be translated into a 32-by-32 heatmap. And we concatenate it with the 4096 visual features before feeding into the LSTM. The advantage of the heatmap is that it allows to have confidence at multiple spatial locations and we can visualize the intermediate results. The heatmap not only acts as an input feature but can also warp predicted positions in the image. During training, we transfer the region information from the detection box into the heatmap by assigning value 1 to the corresponding regions while 0 elsewhere. Specifically, the detection box is converted to be relative to the 32-by-32heatmap, which is then flattened to concatenate with the 4096 visual features as LSTM input. Let Htarget denote the heatmap vector of the groundtruth and Hpred denote the heatmap predicted in LSTM output. The objective function is defined as:

結果 (繁體中文) 1:

直接回歸坐標是高度非線性的，這是我們很難解釋mapping.In要想知道什麼跟踪過程中真正發生在LSTM，尤其是在閉塞的條件下，我們交替轉換ROLO預測位置為長度為1024的特徵向量，其可以被轉換成一個32×32的熱圖。我們送入LSTM之前的4096視覺特徵串連它。熱圖的優點是，它允許具有在多個空間位置的信心，我們可以想像中間結果。熱圖不僅充當輸入功能，但也可以經預測的圖像中的位置。在訓練期間，我們通過在0別處分配值1對應的區域傳送來自所述檢測盒進入熱圖的區域信息。特別，
熱圖，然後將其壓平與4096的視覺特徵作為輸入LSTM來連接。讓Htarget表示真實狀況的熱圖矢量和HPRED表示在LSTM輸出預測出的熱圖。目標函數定義為：

結果 (繁體中文) 2:

直接回歸座標是高度非線性的，我們很難解釋映射。為了瞭解LSTM在跟蹤過程中的真實情況，特別是在遮擋條件下，我們還是將ROLO預測位置轉換成長度為1024的要素向量，可以轉換為32乘32熱圖。在饋入 LSTM 之前，我們將它與 4096 視覺功能串聯。熱圖的優點是，它允許在多個空間位置有置信，我們可以視覺化中間結果。熱圖不僅充當輸入要素，還可以扭曲圖像中的預測位置。在培訓期間，我們將區域資訊從檢測框傳輸到熱圖中，將值 1 分配給相應的區域，而將 0 分配給其他區域。具體而言，檢測框轉換為相對於 32-32
熱圖，然後拼合，與 4096 視覺要素串聯，作為 LSTM 輸入。讓 Htarget 表示接地真值的熱圖向量，Hpred 表示 LSTM 輸出中預測的熱圖。目標函式定義為：

結果 (繁體中文) 3:

直接回歸座標是高度非線性的，對我們來說很難解釋映射，為了知道在跟踪過程中，特別是在遮擋條件下，在LSTM中實際發生了什麼，我們交替地將ROLO預測位置轉換為1024長度的特徵向量，該特徵向量可以轉換為32乘32的熱圖。在進入LSTM之前，我們將它與4096個視覺特徵連接起來。熱圖的優點是它允許在多個空間位置有信心，我們可以視覺化中間結果。熱圖不僅可以作為輸入特徵，還可以扭曲影像中的預測位置。在訓練過程中，我們通過將值1指定給相應的區域，而將0指定給其他區域，將檢測框中的區域資訊傳輸到熱圖中。具體地說，檢測框被轉換為相對於32×32
熱圖，然後將其展平以連接4096個視覺特徵作為LSTM輸入。讓Htarget表示地面真值的熱圖向量，Hpred表示在LSTM輸出中預測的熱圖。目標函數定義為：