由于基于孪生网络和相关滤波器的方法CFnet在精度和效率方面有着竞争性的表现,所以其在视觉实时追踪中的任务中很流行。在此基础上,由于观察到在图像分类任务中学习到的语义特征和相似度匹配任务中学习到的外观特征可以形成互补,产生意想不到的结果,于是对原有的网络结构进行补充,加入了语义网络构成双重孪生网络,用于实时目标跟踪。整个网络由语义特征分支和外观特征分支构成,该网络的一个重要设计思想是分别训练两个分支以保持两种特征的异质性。同时,本文提出了语义分支的通道关注机制,通道的权重根据目标周围的通道激活进行计算。这样基于SiamFC结构的CFnet虽然因为引入了相关滤波器(CF)而不可避免地产生边界效应,但是经过采用双重网络设计和通道关注机制,CFnet的精度和跟踪性能得到了一定的补偿。在OTB-2013/2015基准测试中,该算法的表现要优于大部分其他实时目标跟踪算法。