STARK 목표 추적 방법이 ResNet을 백본 네트워크로 사용하나, 특징 추출 능력이 부족하고 추적 성능이 떨어진다는 문제점에 기초하여, 본 논문에서는 Swin-Transformer 네트워크를 기반으로 한 개선된 목표 추적 알고리즘을 제안한다. 먼저 Swin-Transformer 내 윈도우 어텐션 메커니즘을 다중 스케일로 개선하여, 더욱 풍부한 지역 세부 정보를 추출하도록 다중 스케일 윈도우 모듈 MW-MSA를 설계하였으며, 전역 문맥 정보와 함께 다중 스케일 판별 특징을 형성한다. 이후 Transformer의 인코더-디코더 구조를 특징 융합 네트워크로 활용하고, 최적화된 다층 퍼셉트론을 갱신 점수 판단 네트워크로 채택하여 상태 인식 모듈을 구성하였다. 마지막으로 목표 소실 및 재등장 문제에 대해 다중 트래커 융합 방법을 제안한다. 다중 스케일로 개선된 추적 알고리즘과 SuperDiMP 추적 알고리즘을 융합하고, 소실 상태 판단 모듈을 설계하여 두 트래커의 신뢰도 점수 및 예측 박스 근처 목표 존재 확률을 종합적으로 고려한다. 실험 결과, STARK 추적 알고리즘 대비 본 알고리즘이 GOT-10K 데이터셋에서 평균 중첩도(AO)를 2.7% 향상시키고 성공률 S_R0.5를 3.3% 향상시켰다. L-LaSOT 데이터셋에서는 STARK 알고리즘 대비 성공률(AUC)을 0.8% 향상시키고, 목표 소실-재등장 도전 과제에서 성공률을 1% 높였다.

목표 추적;다중 스케일 윈도우;Swin-Transformer;템플릿 갱신;다중 모델 융합