Para equilibrar la precisión del seguimiento y la complejidad del modelo, este artículo propone un método eficiente de seguimiento de un solo objetivo basado en una red siamesa. El método utiliza MobileNet-V3 ligero como red base, reduciendo significativamente la carga computacional y la cantidad de parámetros para la extracción de características. Al mismo tiempo, se diseñó un módulo híbrido de fusión de características, que incluye una unidad de refinamiento rápido de características y una unidad de agregación de características de doble rama. La unidad de refinamiento rápido reduce eficazmente la cantidad de vectores de características mediante la agregación de consultas y la optimización de claves, permitiendo extraer rápidamente la información clave del objeto objetivo. La unidad de agregación de doble rama fusiona las características de diferentes ramas mediante un mecanismo de atención multi-cabeza, mejorando aún más el rendimiento del seguimiento. El algoritmo propuesto se comparó con otros métodos en los conjuntos de datos LaSOT, OTB100 y UAV123. Los resultados experimentales muestran que el método asegura un buen rendimiento de seguimiento con una menor complejidad del modelo. Además, mantiene un buen desempeño en escenarios complejos como movimientos rápidos y rotaciones.

seguimiento monoobjetivo;red siamesa;fusión de características;refinamiento de características;agregación de características