단일 객체 추적은 컴퓨터 비전에서 중요한 과제 중 하나로, 비디오 시퀀스에서 객체를 정확하게 위치시키는 것을 목표로 합니다. 깊은 학습이 단일 객체 추적 분야의 빠른 발전을 이끌었음에도 불구하고, 객체 변형, 복잡한 배경, 가림 및 크기 변화와 같은 문제는 여전히 도전 과제입니다. 본 논문은 지난 10년간 깊은 학습 기반의 단일 객체 추적 방법들을 체계적으로 검토하였으며, 합성곱 신경망, 순환 신경망 및 시암 네트워크를 기반으로 한 전통적인 시퀀스 모델 방법과 합성곱 신경망과 Transformer를 결합한 하이브리드 구조 방법, 그리고 완전히 Transformer 기반의 최신 방법을 포함합니다. 본 논문은 OTB100, LaSOT, GOT-10k 등의 데이터셋에서 다양한 알고리즘의 정확도, 견고성 및 계산 효율성 측면의 성능을 평가 및 분석하였으며, 깊은 학습 기반 단일 객체 추적 알고리즘의 연구 전망을 제시합니다.

단일 객체 추적; 시각적 객체 추적; 딥러닝; 합성곱 신경망