En el campo del seguimiento visual de objetos, el rastreador de red Siamesa, basado en la red de propuestas de región (SiamRPN), ha logrado efectos de seguimiento prometedores, tanto en velocidad como en precisión. Sin embargo, no consideró la relación y diferencias entre la información de contexto de largo alcance de varios objetos. En este artículo, agregamos un bloque de contexto global (bloque GC), que es ligero y puede modelar eficazmente la dependencia de largo alcance, a la parte de red Siamesa de SiamRPN para que el rastreador de objetos pueda comprender mejor la escena de seguimiento. Al mismo tiempo, proponemos un módulo de convolución novedoso, llamado bloque de núcleo selectivo de recorte interno (bloque CiSK), basado en convolución de núcleo selectivo (convolución SK, un módulo propuesto en redes de núcleo selectivo) y lo utilizamos en la parte de red de propuestas de región (RPN) de SiamRPN, que puede ajustar de manera adaptativa el tamaño del campo receptivo para diferentes tipos de objetos. Realizamos dos mejoras en la convolución SK en el bloque CiSK. La primera mejora es que en el paso de fusión de la convolución SK, utilizamos tanto el agrupamiento promedio global (GAP) como el agrupamiento máximo global (GMP) para mejorar la incrustación de información global. La segunda mejora es que después del paso de selección de la convolución SK, recortamos los píxeles más externos de las características para reducir el impacto de las operaciones de relleno. Los resultados experimentales muestran que en el banco de pruebas OTB100, logramos una precisión de 0.857 y una tasa de éxito de 0.643. En los bancos de pruebas VOT2016 y VOT2019, logramos puntajes de superposición promedio esperados (EAO) de 0.394 y 0.240, respectivamente.