1.一種基于輕量級網絡的多目標跟蹤方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的基于輕量級網絡的多目標跟蹤方法，其特征在于步驟一中的可學習的評分網絡。對cnn提取的特征xfeat中的每個局部特征打分，以判斷其被解碼器引用的可能性。根據這些分數選擇前百分之ρ的特征輸入到編碼器中。如果當前j不在顯著區(qū)域ω中，直接保留上一層的特征不變；如果在顯著區(qū)域中則更新為。其中defattn指的是可變形注意力，ln指的是層歸一化，而ffn指的是前饋網絡。
3.根據權利要求2所述的基于輕量級網絡的多目標跟蹤方法，其特征在于步驟二中篩選出k個目標查詢。為了提高檢測性能，我們在編碼器輸出上添加了一個輔助檢測頭。該檢測頭的作用是計算編碼器每個輸出特征的目標性類別得分，以反映每個特征是否包含目標信息。根據這些類別得分，我們對編碼器的所有輸出進行排序，并選擇得分最高的前k個特征。隨后，這些前k個編碼器特征直接作為解碼器模塊的查詢輸入。
4.根據權利要求3所述的基于輕量級網絡的多目標跟蹤方法，其特征在步驟三中解碼器交叉注意力圖。為了訓練評分網絡，我們將解碼器交叉注意力圖進行二值化并反向傳播到評分網絡中，這個二值化的注意力權重值表明了該特征是否在前百分之ρ的特征之中的概率。評分網絡通過最小化二元交叉熵損失來訓練，該損失衡量了預測概率與二值化的注意力權重值之間的差異。其中n是特征圖中的特征總數，是第i個特征的評分，是第i個特征的解碼器交叉注意力權重二值化后的值，bce是二元交叉熵損失。