月份：2020年4月

SME:基于时间连续性的Ensemble方法

Robust visual tracking by exploiting the historical tracker snapshots来自2015年ICCV，运用的方法是目标跟踪领域比较少见的多跟踪器组合方法，作者称为SME(Scale-adaptive Mutil-Expert)，即尺度自适应

最近发现了一个很好的网站paperwithcode，这个网站汇总了大量机器学习论文及其代码。网站对机器学习领域做了详细的分类，可以很方便的在该网站找到感兴趣领域的最新成果和SOTA。SPSTracker便是其中一篇。

说新其实也不新，这篇论文Multi-kernel Correlation Filter for Visual Tracking来自15年的ICCV，从论文题目来看，作者想强调的工作是多核相关滤波器，不过这篇论文吸引我的地方不在于多核相关滤波器，而在于他的尺度估计方法。现在看来，未能解决边

不知道你有没有这样的困扰，你关注了两个博主，一个在微博更新，一个豆瓣更新，于是你需要下载两个APP去follow你关注的博主，两个平台倒不算多，但如果有一天你关注的博主分布在上百个app中，这就是个大麻烦了。这时候你便可以考虑使用RSS。

IDM(Internet Download Manager)下载软件会使得网页dpf阅读器失效，若要使用网页dpf阅读器，请关闭IDM软件。

ROAM是CVPR2020唯一一篇关于目标跟踪的oral，走的循环神经网络（RNN）方向。创新点有三：

在深度学习方向上对尺度问题的解决方案有二：1、RPN网络 2、边框回归（bounding box regression）。RPN网络相比于多尺度模型增加了对于