Одноцелевое отслеживание является одной из важных задач компьютерного зрения, целью которой является точное определение положения цели в последовательности видео. Несмотря на то, что глубокое обучение стимулировало быстое развитие области одноцелевого отслеживания, проблемы деформации цели, сложного фона, заслонения и изменения масштаба по-прежнему представляют вызовы. В данной статье систематически рассмотрены методы одноцелевого отслеживания на основе глубокого обучения за последние 10 лет, охватывающие традиционные последовательные модели, основанные на сверточных нейронных сетях, рекуррентных нейронных сетях и сиамских сетях, методы с гибридной архитектурой, сочетающей сверточные нейронные сети и Transformer, а также новейшие полностью основанные на Transformer методы. В статье оценены и проанализированы характеристики различных алгоритмов по точности, устойчивости и вычислительной эффективности на наборах данных OTB100, LaSOT и GOT-10k, а также рассмотрены перспективы исследований алгоритмов одноцелевого отслеживания на основе глубокого обучения.

одноцелевое отслеживание; визуальное отслеживание целей; глубокое обучение; сверточные нейронные сети