无需额外特征提取模型的目标追踪算法

无需额外特征提取的目标追踪算法通常是指基于深度学习的一体化目标检测和跟踪方法。这类算法直接从原始视频帧中学习并预测目标的位置，而不需要预先对图像进行复杂的特征工程。例如：

1. **Siamese网络**：利用两个卷积神经网络（CNN）同时处理当前帧和上一帧，通过计算它们之间的相似度变化来跟踪目标。如DeepSORT算法就结合了Siamese网络和卡尔曼滤波器。

2. **单阶段检测器**：如YOLO（You Only Look Once）系列和SSD（Single Shot MultiBox Detector），这些模型可以在一次前向传播中同时完成物体检测和定位，非常适合实时目标跟踪。

3. **Transformer-based trackers**：近年来，由于Transformer结构的强大表示能力，一些研究者将其应用于目标追踪领域，如TransT等，通过跨帧的注意力机制来进行连续的实例级跟踪。