Pour équilibrer la précision du suivi et la complexité du modèle, cet article propose une méthode efficace de suivi mono-cible basée sur un réseau siamois. Cette méthode utilise un MobileNet-V3 léger comme réseau principal, réduisant considérablement la charge de calcul et le nombre de paramètres pour l'extraction des caractéristiques. Parallèlement, un module de fusion de caractéristiques hybrides a été conçu, comprenant une unité de raffinement rapide des caractéristiques et une unité d'agrégation des caractéristiques à double branche. L'unité de raffinement rapide réduit efficacement le nombre de vecteurs de caractéristiques en agrégeant les requêtes et en optimisant les clés, permettant d'extraire rapidement les informations clés de l'objet cible. L'unité d'agrégation à double branche fusionne les caractéristiques de différentes branches via un mécanisme d'attention multi-têtes, améliorant davantage les performances de suivi. L'algorithme a été comparé à d'autres méthodes sur les datasets LaSOT, OTB100 et UAV123. Les résultats expérimentaux montrent que la méthode proposée assure de bonnes performances de suivi tout en maintenant une complexité de modèle réduite. De plus, elle maintient de bonnes performances dans divers scénarios complexes tels que les mouvements rapides et les rotations.

suivi mono-cible;réseau siamois;fusion de caractéristiques;raffinement des caractéristiques;agrégation des caractéristiques