Pour équilibrer la précision de suivi et la complexité du modèle, cet article propose une méthode efficace de suivi d'objets uniques basée sur un réseau jumeau. Cette méthode utilise le réseau MobileNet-V3 léger comme épine dorsale, ce qui réduit considérablement la quantité de calcul d'extraction de fonctionnalités et le nombre de paramètres. Dans le même temps, un module de fusion de caractéristiques mixtes a été conçu, comprenant une unité de raffinement rapide des caractéristiques et une unité d'agrégation de caractéristiques bipartites. L'unité de raffinement rapide des caractéristiques réduit la quantité de caractéristiques finales en agrégeant les requêtes et en optimisant les clés, ce qui permet d'extraire rapidement les informations clés de l'objet cible. L'unité d'agrégation de caractéristiques bipartites fusionne les caractéristiques de différentes branches à l'aide d'un mécanisme d'attention multi-têtes, ce qui améliore encore les performances de suivi. L'algorithme présenté dans cet article a été comparé à d'autres algorithmes de suivi sur les ensembles de données LaSOT, OTB100 et UAV123 par le biais d'expériences, et les résultats des expériences ont montré que la méthode présentée dans cet article conserve des performances de suivi tout en ayant une complexité de modèle plus faible. De plus, il peut maintenir efficacement de bonnes performances de suivi dans diverses scènes complexes, telles que les mouvements rapides et la rotation.

single object tracking;siamese network;feature fusion;feature refinement;Feature aggregation