في هذا البحث، نقدم خوارزمية جديدة تستخدم تقدير الزاوية والحجم للصندوق الحدودي من خلال مطابقة القطع الناقص مع التجزئة (القناع) على الهدف لتعقب الأشياء المرئية عبر الإنترنت وفي الوقت الحقيقي. طريقتنا، SiamMask_E، تحسن إجراء مطابقة الصندوق الحدودي في خوارزمية تعقب الأشياء الرائدة SiamMask مع الحفاظ على معدل تحديث سريع (80 إطارًا في الثانية) على نظام مجهز بوحدة معالجة رسومات GPU (مثل GeForce GTX 1080 Ti أو أعلى). قمنا باختبار نهجنا على مجموعات بيانات تعقب الأشياء المرئية (VOT2016، VOT2018، و VOT2019) التي تم تصنيفها باستخدام صناديق حدودية مدورّة. عند المقارنة مع SiamMask الأصلي، حققنا دقةً متزايدة بلغت 0.652 و EAO 0.309 على VOT2019، وهي أعلى بمقدار 0.056 و 0.026 من SiamMask الأصلي. يمكن الحصول على التنفيذ من GitHub: https://github.com/baoxinchen/siammask_e.