O rastreamento de alvo único é uma das tarefas importantes em visão computacional, que visa localizar com precisão o alvo em uma sequência de vídeo. Embora o aprendizado profundo tenha impulsionado o rápido desenvolvimento do campo de rastreamento de alvo único, problemas como deformação do alvo, fundo complexo, oclusão e variação de escala ainda representam desafios. Este artigo revisa sistematicamente os métodos de rastreamento de alvo único baseados em aprendizado profundo dos últimos 10 anos, abrangendo métodos tradicionais de modelos sequenciais baseados em redes neurais convolucionais, redes neurais recorrentes e redes siamesas, métodos com arquitetura híbrida que combinam redes neurais convolucionais e Transformer, e os métodos mais recentes totalmente baseados em Transformer. Este artigo avalia e analisa o desempenho de diferentes algoritmos em precisão, robustez e eficiência computacional em conjuntos de dados como OTB100, LaSOT e GOT-10k, e apresenta uma perspectiva sobre a pesquisa de algoritmos de rastreamento de alvo único baseados em aprendizado profundo.

rastreamento de alvo único; rastreamento visual de alvos; aprendizado profundo; redes neurais convolucionais