Para equilibrar la precisión del seguimiento y la complejidad del modelo, en este artículo se propone un método eficaz de seguimiento de objetivos individuales basado en una red gemela. Este método utiliza la red ligera MobileNet-V3 como columna vertebral, lo que reduce considerablemente la cantidad de cálculo de extracción de características y el número de parámetros. Al mismo tiempo, se ha diseñado un módulo de fusión de características mixtas, que incluye una unidad rápida de refinamiento de características y una unidad de agregación de características bipartitas. La unidad rápida de refinamiento de características reduce la cantidad de características finales mediante la agregación de consultas y la optimización de claves, lo que permite extraer rápidamente la información clave del objeto objetivo. La unidad de agregación de características bipartitas fusiona las características de diferentes ramas mediante un mecanismo de atención multi-cabeza, lo que mejora aún más el rendimiento del seguimiento. El algoritmo presentado en este artículo se comparó con otros algoritmos de seguimiento en los conjuntos de datos LaSOT, OTB100 y UAV123 a través de experimentos, y los resultados experimentales mostraron que el método presentado en este artículo conserva el rendimiento del seguimiento con una menor complejidad del modelo. Además, puede mantener eficazmente un buen rendimiento de seguimiento en varias escenas complejas, como movimientos rápidos y rotación.

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