[CVPR2020论文(目标跟踪方向)]Probabilistic Regression for Visual Tracking（PrDiMP）——附录部分

这周先更新一下PrDiMP论文的附录部分，大家可以结合正文一起看~ 附录 A、KL散度损失的推导 在这里，我们推导来源于预测的分布和ground-truth密度之间的KL散度的损失（8）。从KL散度的定义开始，然后将（6）插入，我们获得了， 在最后一行，我们丢弃了第一项（的负熵），然后用（6）代替。 B、目标中心回归模块 在本节中，我们对PrDiMP中为目标中心回归所采用的优化模块进行详细的描述和

>>阅读原文<<