本文的DLT算法在无监督特征的学习，是在线下训练阶段使用SDAE从大量图像数据中学到图像特征，首次运用一层一层的预训练，然后整个SDAE就是fine-tuned.
在线跟踪过程中，一个附加的分类层来对部分训练好的SDAE进行编码。
1.Offline Training with Auxiliary Data
1.1.1 Dataset and Preprocessing
预处理做的不多，包括把32*32的图像转为1024*1的向量，每维的特征值被归一化。
1.1.2 Learning Generic Image Features with a Stacked Denoising Autoencoder
DAE的优化问题可表示为如下形式：
为了更进一步的学习到有意义的特征，对隐藏神经元的激活值施加稀疏性约束：
预训练之后，SDAE可看作一个前馈神经网络。
在第一层使用一个完备的滤波器来学习图像的特征，当新的一层加入时，神经元的个数减半，直到减到256个神经元，作为自编码器的bottleneck。
为了加速第一层的预训练学习局部特征的过程，把32*32的图像分成16*16（除了四个角外，中间还有一个，会与四个角重叠）。然后训练5个DAEs，每个
有512隐含单元。然后将5个DAE组合成一个大的DAE并正常训练。第一层随机选择的滤波器如图所示，可以看出大部分滤波器起的是边缘检测的作用。
1.2 Online Tracking Process
跟踪目标在第一帧里用边框框出来。一个sigmoid分类层添加到离线训练好的SDAE的编码器之后，整体网络如Fig1所示。当一个新的视频帧到来，我们首先撒粒子（一个粒子就是目标可能存在的一块图像，32*32），每个粒子的可信度（即与首帧提取的特征的想似度）通过网络前向传播确定。这种方法在这一步的计算量非常小但准确度很高。如果所有粒子的最大可信度小于预定的阈值，就表示追踪目标的外观发生了巨大改变。为解决这个问题，一旦发生这种情况，这个网络可以再次tune。阈值的设定是一个tradeoff，如果太小，跟踪器不能很好地适应目标的外表变换；如果太大，遮挡物体和背景都有可能被当做跟踪目标，从而造成跟踪从目标漂移。
整个过程仍然是粒子滤波框架，只是将人工特征变成了自动提取特征并通过网络来确定可信度。具体实现还需参考代码。
