我需要建立一个神经网络，允许计算被跟踪对象的两个轨迹（短轨迹）之间的相似性。如果两个 tracklet 对应于同一个对象，则此相似性必须很高。
我认为 LSTM 网络是解决这个问题的最佳网络之一。
在 Xingyu Wan等人的论文“An Online and Flexible Multi-Object Tracking Framework using Long Short-Term Memory”中。，提出了一个 Siamese LSTM 网络来解决这个问题。
对于每个 LSTM 单元，输入数据将是跟踪对象的图像和位置。
但是我不明白本文中使用了 LSTM 的哪些输出。似乎他们为每个 LSTM 网络使用了最后一个单元的两种状态，但这意味着我们使用过去保存的信息来比较两个轨迹（因为它来自最后一个 LSTM 单元的记忆）
在我看来这是一个问题，因为这意味着两个 tracklet 的结尾应该是相似的，但我实际上需要相似的（在同一对象的两个 tracklet 之间）是第一个 tracklet 的结尾和下一个 tracklet 的开头.
所以我想知道：
我们应该如何比较 LSTM 的输出？（我的意思是，我们应该使用哪些输出？以及如何以正确的方式融合它们以输出关联概率
先感谢您 ：）
对不起我的英语我不是本地人