本研究将多核学习应用于相关滤波器（CF）算法的升级，提出了一种新的 KFCK 算法（MKCFup），通过消除不同核之间的负互干扰，显著提高了算法的准确性和速度，实现了对高速小移动目标的有效跟踪。

Jun, 2018

本文提出基于深度学习网络的 DCFNet 算法，利用卷积特征同时完成相关性跟踪过程，其效率和准确性在 OTB-2013, OTB-2015, and VOT2015 测试中表现优异。

Apr, 2017

介绍了 Spatially Regularized Discriminative Correlation Filters (SRDCF) 算法用于解决缺乏训练数据的视觉追踪问题，并且提出了一种空间正则化组件，能够更高效地学习目标外观模型。在四个基准测试数据集上进行了实验，优于已有最佳追踪器，并在 OTB-2013 和 OTB-2015 中获得了较高的平均重叠精度。

Aug, 2016

本文是第一篇将相关滤波器作为可微分层在深度神经网络中进行应用的研究工作，该方法可以学习与相关滤波器紧密耦合的深度特征，实现高帧率状态下轻量级架构实现最新性能。

Apr, 2017

本文提出了一种基于支持向量机模型的视觉跟踪算法，利用循环矩阵表达式和离散傅里叶变换优化迭代学习支持相关滤波器，其计算复杂度为 O (n^2*logn)，在多通道特征、核函数和自适应尺度方法方面进行了进一步优化，实验结果显示该算法较于当前最先进的跟踪方法更快、更准确。

Jan, 2016

本研究提出了一种改进的优化方法 RKCF，可减轻 Kernel Correlation Filters 在旋转方面性能下降的问题，在很多 OBT50 测试视频中获得了全面的精度提升及最小额外计算。

Aug, 2017

本文提出了一种核交叉相关器（KCC），它通过引入核技巧将线性互相关扩展到非线性空间，具有更强的鲁棒性和可扩展性，适用于各种核函数，能够预测具有自定义属性的仿射变换，并通过快速傅里叶变换（FFT）消除核向量的直接计算，从而实现更好的性能和合理的计算成本。

Sep, 2017

本研究针对航空器智能追踪问题，采用自适应多模高光谱传感器和深度学习技术设计出深度高光谱核相关滤波追踪器并在数字成像和遥感图像生成软件中进行了综合评估及性能优化，最终发布了大规模空中车辆分类数据集。

Nov, 2017

本文提出了一种新的 DCF 跟踪方法，通过自适应的空间特征选择和时间一致性约束实现联合空间时间滤波器学习，在更低维的判别性流形中学习具有历史约束的滤波器，并提出了统一的优化框架来联合选择特征和学习判别性滤波器，并在多个公共数据集中进行了实验，结果表明该方法优于基准的跟踪方法。

Jul, 2018

本篇论文提出了一种基于核化多分辨率卷积网络的通用视觉目标跟踪方法，该方法采用层次响应图直接输出目标运动轨迹，并在无需任何权重调节的情况下，在挑战性无人机跟踪数据集上表现出色，同时开启了在端到端时序深度学习框架中进行视觉追踪的可能性。

Aug, 2017