يُعدّ مشكلة التتبع البصري مطلوبة لتنفيذ تصنيف قوي وتقدير دقيق لحالة الهدف بشكل فعّال في نفس الوقت بالنسبة لهدف معين. وقد اقترح الطرق السابقة طرقًا مختلفة لتقدير حالة الهدف، لكن قلة منها أخذت في الاعتبار الخصائص الفريدة لمشكلة التتبع البصري نفسها. وبعد تحليل دقيق، نقترح مجموعة من الإرشادات العملية لتقدير حالة الهدف لتصميم مُتتبع كائن عام عالي الأداء. ووفقًا لهذه الإرشادات، قمنا بتصميم مُتتبعنا "سيامف سي بلس بلس" (SiamFC++) من خلال إدخال فرعين: فرع التصنيف وفرع تقدير حالة الهدف (G1)، وتصنيف خالٍ من الغموض (G2)، وتتبع دون افتراضات مسبقة (G3)، ودرجة جودة تقدير (G4). وقد أظهرت التحليلات الواسعة والدراسات التحليلية (ablation studies) فعالية الإرشادات المقترحة. وبلا أي إضافات مُتعددة، يحقق مُتتبع SiamFC++ أداءً يُعدّ من أفضل الأداء في خمسة معايير صعبة (OTB2015، VOT2018، LaSOT، GOT-10k، TrackingNet)، مما يثبت كفاءة المُتتبع في التتبع والقدرة على التعميم. وبشكل خاص، على مجموعة بيانات TrackingNet الكبيرة، حقق SiamFC++ درجة AUC غير مسبوقة تبلغ 75.4 مع تشغيل بسرعة تفوق 90 إطارًا في الثانية، وهو ما يتجاوز بكثير الحد الأدنى المطلوب للتشغيل في الزمن الفعلي. يمكن الوصول إلى الكود والنموذج عبر الرابط التالي: https://github.com/MegviiDetection/video_analyst.