Le suivi d'objet unique est l'une des tâches importantes en vision par ordinateur, visant à localiser précisément l'objet dans une séquence vidéo. Bien que l'apprentissage profond ait stimulé le développement rapide du domaine du suivi d'objet unique, des défis tels que la déformation de l'objet, les arrière-plans complexes, l'occlusion et les changements d'échelle persistent. Cet article passe en revue de manière systématique les méthodes de suivi d'objet unique basées sur l'apprentissage profond des dix dernières années, couvrant les modèles séquentiels traditionnels basés sur les réseaux de neurones convolutionnels, les réseaux de neurones récurrents et les réseaux siamois, ainsi que les méthodes à architecture hybride combinant réseaux de neurones convolutionnels et Transformer, et les méthodes récentes entièrement basées sur Transformer. Cet article évalue et analyse les performances des différents algorithmes en termes de précision, robustesse et efficacité informatique sur des ensembles de données tels que OTB100, LaSOT et GOT-10k, et envisage les perspectives de recherche des algorithmes de suivi d'objet unique basés sur l'apprentissage profond.

suivi d'objet unique; suivi visuel d'objet; apprentissage profond; réseaux de neurones convolutionnels