엔드투엔드 표현 학습을 이용한 상관 필터 기반 추적

상관 필터(Correlation Filter)는 이미지와 그 변위 사이의 차이를 구분하기 위해 선형 템플릿을 학습하는 알고리즘입니다. 이 알고리즘은 푸리에 영역에서의 표현이 빠른 해법을 제공하므로, 각 프레임마다 검출기를 재학습할 수 있어 객체 추적에 매우 적합합니다. 그러나 이전 연구에서는 수동으로 설계되었거나 다른 작업을 위해 학습된 특징들을 사용하였습니다. 본 연구는 이러한 제한을 처음으로 극복하였습니다. 상관 필터 학습자가 폐형 해를 갖는다는 점을 활용하여, 이를 딥 신경망의 미분 가능한 계층으로 해석하였습니다.这样一来，就可以学习与上关滤波器紧密耦合的深层特征。实验表明，我们的方法具有重要的实际优势，即允许轻量级架构在高帧率下实现最先进的性能。为了确保最后一句的准确性并符合韩语表达习惯，我将对其进行调整：실험 결과는 본 방법론이 경량 아키텍처가 고 프레임율에서 최신 성능을 달성할 수 있게 하는 중요한 실용적인 장점을 가지고 있음을 보여줍니다.