Трекер на основе архитектуры Transformer демонстрирует выдающиеся результаты в точности благодаря отличной способности глобального моделирования, однако всё ещё сталкивается с проблемами большого размера модели и высокой задержки вычислений. Для решения этой проблемы в данной статье предложен лёгкий метод однозадачного трекинга на основе целевых подсказок — TPTTrack. Этот метод вводит токен целевой подсказки и совместно с шаблоном цели и признаками области поиска подаёт их в лёгкую трансформерную сеть, используя априорные сведения о цели для управления взаимодействием признаков между областями и повышения устойчивости трекинга. При этом с помощью поэтапного механизма расцепления внимания на поверхностном уровне выполняется извлечение и объединение признаков, а на глубоких слоях уменьшается избыточное вычисление самовнимания для снижения вычислительной нагрузки. В сочетании с лёгким модулем авторегрессивного прогнозирования последовательностей достигается динамическое моделирование и эффективная оценка состояния цели. Сравнительные эксперименты на наборах данных GOT-10k и LaSOT показывают, что TPTTrack повышает среднее перекрытие на GOT-10k на 1.4% по сравнению с лучшей лёгкой базовой моделью, а точность на LaSOT улучшается на 1.7%. При этом количество параметров и FLOPs составляет всего 5.6 млн и 1.82 млрд, скорость вывода на GPU и CPU достигает 109.2 FPS и 20.43 FPS соответственно, при этом скорость на CPU выше на 9.1% по сравнению с лучшей лёгкой базовой моделью. В итоге предложенный метод превосходит существующие лёгкие алгоритмы трекинга по точности, скорости и удобству развёртывания, предлагая лёгкое решение для задач однозадачного трекинга в условиях ограниченных ресурсов.

однозадачный трекинг;Transformer;лёгкая модель;целевые подсказки;поэтапное расцепление внимания