基于双重注意力机制的ATrans算法：提升单目标跟踪的鲁棒性与效率

本文提出了一种基于双重注意力机制（Dual Attention）的新型目标跟踪框架ATrans，通过嵌入双重注意力模块增强特征提取鲁棒性，结合在线更新机制解决长时跟踪中的目标漂移问题，并引入背景去除模块优化计算效率。该研究在Lasot、Got10k等大型数据集上验证了其优越性能，为计算机视觉（CV）领域的Transformer应用提供了创新思路。

　　

亮点

我们提出ATrans——首个完全基于Transformer的目标跟踪器，其核心创新包括：

1. 双重注意力机制：在传统注意力模块中嵌入新机制，通过关联向量共识增强特征相关性，抑制错误关联；

2. 动态在线更新：编码器中加入模板更新机制，应对长时跟踪中目标外观变化（如遮挡）；

3. 背景剔除模块：自适应丢弃无关背景区域，降低30%计算量（实测参数）。

整体框架

模型由Transformer主干和预测头组成：

• 编码器-解码器结构：输入图像分块后经N层编码器（含双重注意力）和1层解码器处理；

• 双参考策略：首帧作为长期参考，中间帧作为短期参考；

• 定位头：轻量化设计实现实时边界框回归（128×128模板+320×320搜索区）。

实施细节

• 开发环境：Python 3.9.7 + PyTorch 1.13.0^CUDA116

• 骨干网络：ImageNet-1k预训练的ResNet-50

• 数据增强：亮度抖动+水平翻转

• 训练：4×RTX3090显卡，100epoch（约48小时）

结论

ATrans通过双重注意力机制和动态更新，在Lasot数据集上实现89.3%成功率（较TransT提升2.1%）。背景剔除模块使推理速度达45FPS，为医疗影像分析（如细胞追踪）和自动驾驶等场景提供高效解决方案。