Las redes siamesas de seguimiento basadas en características de profundidad pre-entrenadas han logrado un buen rendimiento en los últimos años. Sin embargo, las características de profundidad pre-entrenadas se entrenan previamente en conjuntos de datos a gran escala, que contienen información de características de un gran número de objetos. Puede haber una interferencia y redundancia de información para un único objetivo de seguimiento. Para aprender una información de características de objetivo más precisa, este documento propone una red de aprendizaje de atención consciente del objetivo ligera para aprender las características de canal más efectivas del objetivo en línea. La red ligera utiliza una función de pérdida de aprendizaje de atención diseñada para aprender una serie de características de canal con pesos en línea sin parámetros complejos. En comparación con las características pre-entrenadas, las características de canal con pesos pueden representar el objetivo de manera más precisa. Finalmente, la red de aprendizaje de atención consciente del objetivo ligera se unifica en un marco de red de seguimiento siamés para implementar el seguimiento de objetivos de manera efectiva. Los experimentos en varios conjuntos de datos demuestran que el rastreador propuesto en este documento tiene un buen rendimiento.