Le traqueur basé sur l’architecture Transformer, grâce à ses excellentes capacités de modélisation globale, offre des performances remarquables en matière de précision, mais présente toujours des problèmes liés à la grande taille du modèle et à la latence de calcul élevée. Pour aborder ce problème, cet article propose une méthode légère de suivi d’objet unique basée sur des jetons d’indication cible appelée TPTTrack. Cette méthode introduit des jetons d’indication cible, les combinant avec le modèle cible et les caractéristiques de la zone de recherche dans un réseau principal Transformer léger, en utilisant les priorités cibles pour guider l’interaction des caractéristiques inter-régions et améliorer la robustesse du suivi. Par ailleurs, par un mécanisme de découplage d’attention par couches, l’extraction et la fusion des caractéristiques sont réalisées dans les couches superficielles, tandis que les calculs redondants d’attention interne sont réduits dans les couches profondes afin de diminuer le coût de calcul. Combiné à un module léger de prédiction séquentielle autorégressive, cela permet une modélisation dynamique et une estimation efficace de l’état de la cible. Les expériences comparatives sur les jeux de données GOT-10k et LaSOT montrent que TPTTrack améliore le taux de recouvrement moyen sur GOT-10k de 1,4 % par rapport au meilleur modèle de base léger, et améliore la précision sur LaSOT de 1,7 %. Par ailleurs, le nombre de paramètres et les FLOPs sont respectivement de 5,6M et 1,82G, avec des vitesses d’inférence GPU et CPU atteignant 109,2 FPS et 20,43 FPS, la vitesse CPU étant améliorée de 9,1 % par rapport au meilleur modèle de base léger. En résumé, la méthode proposée offre des performances supérieures en termes de précision, vitesse et facilité de déploiement par rapport aux algorithmes de suivi léger existants, proposant une solution légère pour les tâches de suivi d’objet unique dans des contextes avec ressources limitées.

suivi d’objet unique;Transformer;modèle léger;jetons d’indication cible;découplage d’attention par couches