为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
近年来，深度学习方法在物体跟踪领域有不少成功应用，并逐渐在性能上超越传统方法。过去几十年以来，目标跟踪的研究取得了长足的发展，尤其是各种机器学习算法被引入以来，目标跟踪算法呈现百花齐放的态势。2013年以来，深度学习方法开始在目标跟踪领域展露头脚，并逐渐在性能上超越传统方法，取得巨大的突破。本文首先简要介绍主流的传统目标跟踪方法，之后对基于深度学习的目标跟踪算法进行介绍。不同于行为识别和目标检测基于大量标注训练数据的有效学习，目标跟踪主要问题在于训练数据的缺失，即仅仅提供第一帧的标注框作为训练数据。这种情况下，在跟踪开始针对当前目标从头训练一个深度模型困难重重。目前基于深度学习的目标跟踪算法采用了多种思路来解决这个问题，在此依据思路的不同展开介绍，并举例说明目标跟踪的经典算法，如SiamFC、SiamRPN、ECO和MD-Net等。最后对深度学习在目标跟踪领域的应用进行总结和展望。