本論文で使用するSiamese Networksのアーキテクチャは図を参照。追跡対象の局所領域・画像全体の入力からConv-Loss-Gradient-GAPを計算してターゲットに着目した特徴（target-aware）を抽出、最終的には畳み込み特徴と統合することにより相関フィルタを学習して追跡を行う。ターゲットに着目することにより物体に対するアテンションが良くなる。

OTB-2015データセットにより検証を行った。成功率/追跡速度のトレードオフがとても良い手法であることが判明。