这段时间在整理毕设，所以这里结合了SpyderXu分享的内容把多目标跟踪相关的文献资源共享一下，由于文章很多，所以我这里只整理3年以内的，对于年限久远的，这里只取提供了代码的和比较经典的。并且尽可能注释了相关算法在MOT数据集上的名称。各自算法的性能比较可以看论文以及MOT官网。

无论是机器学习还是深度学习都需要对目标函数进行优化求解，那么这里我先抛开最底层的数学证明，重点介绍几类算法的收敛条件问题，以及梯度相关算法的原理。毕竟不是教学性质，所以我只讲要点。

之前整理了C++的数据结构，但是对于python的数据结构的底层还是不大了解，这里对python中的set、list、dict、tuple等基础数据结构的原理和底层结构进行简要说明。

C++的基础数据结构基本都存在于STL的头文件中，包括栈、队列、堆、哈希表、数组等等结构，这里我要对这些结构的基本使用做一个总结，具体包含元素的插入、查找、删除、遍历、取出等基本操作。

最近在学习数据结构的时候发现C++里面的很多数据类型、运算符的常识在特殊情况下能起到奇效，所以我想对这些基础做一个小小的总结，以方便后续使用。

无论是机器学习还是最近大热的深度学习算法，很多情况下都需要用到矩阵求导方面的知识，比如拉格朗日乘子法、梯度下降法等等，但是矩阵求导不同于传统的标量求导法则，存在很多冲突。网上以及各种论文中所推导的梯度计算方法，标准都不一样，容易把人搞迷糊。所以我这里理一下矩阵/向量求导相关的原理，并且确定一套属于自己的求导标准，方便自己研究。

YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好。其backbone网络darknet也可以替换为很多其他的框架，所以在工程领域也十分受欢迎，下面我将依次介绍YOLO系列的详细发展过程，包括每个版本的原理、特点、缺点，最后还会交代相关的安装、训练与测试方法。

核相关滤波算法是单目标跟踪领域一个举足轻重的算法，而kernelized correlation filters(KCF)是其原始形态，下面我以一个小白的角度慢慢揭开其神秘面纱。

一直以来，为了函数或者类的方便使用，经常使用默认参数来简化使用，不过最近发现这种方法中存在一个官方陷阱，详见下文。

为了方便使用，我们常希望函数接口更为灵活，既有简便的默认参数，还有方便扩充的可变参数，关键字参数等等，下面我们具体介绍这些函数传参的使用方法。