融合快速边缘注意力的Transformer跟踪算法

来源：计算机工程与应用杂志2025年第1期北京时间：

作者：薛紫涵, 葛海波, 王淑贤, 安玉, 杨雨迪

单位：西安邮电大学 电子工程学院，西安 710121

摘要：针对长期目标跟踪中出现模型退化和跟踪漂移的问题，提出了一种融合快速边缘注意力的Transformer跟踪算法TransFEA（fast edge attention on Transformer）。使用ResNet-50作为Siamese网络的骨干网络，并在其每个残差块后端引入注意力网络进行特征提取，增强目标的关键信息和全局信息；边缘注意力网络（edge attention network，EA）提取模板与搜索区域的特征向量，快速注意力网络（fast attention network，FA）计算注意响应值，确定两个区域的相似度，以此调整目标位置。设计多层感知器预测边界框，避免过多超参数，使跟踪器实现了准确性与轻量化的平衡。实验结果表明，TransFEA在LaSOT数据集上成功率和准确率分别为65.3%、69.1%，运行可以达到90 FPS，提高了长期跟踪的成功率和准确率。

关键词：Transformer网络,边缘注意力网络,快速注意力网络,多层感知器