[CVPR2020論文(目標跟蹤方向)]Probabilistic Regression for Visual Tracking（PrDiMP）——附錄部分

這周先更新一下PrDiMP論文的附錄部分，大家可以結合正文一起看~ 附錄 A、KL散度損失的推導 在這裏，我們推導來源於預測的分佈和ground-truth密度之間的KL散度的損失（8）。從KL散度的定義開始，然後將（6）插入，我們獲得了， 在最後一行，我們丟棄了第一項（的負熵），然後用（6）代替。 B、目標中心迴歸模塊 在本節中，我們對PrDiMP中爲目標中心迴歸所採用的優化模塊進行詳細的描述和

>>阅读原文<<