融合注意力与残差连接的视觉Transformer跟踪算法

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：田攀帅, 葛海波, 安玉, 薛紫涵

单位：西安邮电大学 电子工程学院， 西安 710121

摘要：针对目标跟踪中网络模型加深导致低级特征丢失和速度与精度不平衡的问题，提出了一种融合注意力与残差连接的VIT跟踪算法MRATrans（multi-head residual attention Transformer)。使用MobileViT作为主干网络，在保持较低模型复杂度的同时实现了丰富的特征表示。提出残差注意力模块（residual attention module，RAM），有效防止低级特征丢失问题，并设计了多头残差注意力（multi-head residual attention，MHRA）模块，同时关注不同子空间表示的信息，进一步提高了模型的表达能力；构建密集像素相关（dense pixel correlation，DPC）模块计算模板和搜索区域的相似性，避免空间失真，获得具有更丰富语义信息的响应图；通过分类回归网络实现准确的跟踪。通过OTB100、VOT2018和GOT-10k数据集上的大量实验，证明了MRATrans与主流算法相比拥有更优的性能，并达到87 帧/s的速度，在保持高效性的同时实现了准确的跟踪。

关键词：目标跟踪,特征丢失,孪生网络,残差注意力,像素互相关