小目标检测总结
小目标的定义：图像中极少的小目标（32像素×32像素一下）
注：一般来说下采样率为2，一般的特征提取网络通常进行五次下采样。而五次下采样的倍率为2的五次方32，此时得到的特征图为1。之后如果继续进行下采样则可能丢失目标信息。所有这里才用32定义为小目标的范围。
当前目标检测中存在的的不平衡问题
- 类别不平衡、
- 尺度不平衡、
- 空间不平衡
- 任务损失优化之间的不平衡
小目标检测中存在的问题
- 可利用特征少
- 定位精度要求高
- 现有数据集中小目标占比少
- 现有数据集中小目标占比少
- 样本不均衡问题
- 小目标聚集问题
- 网络损失不平衡
优化小目标检测的思路
- 数据增强、
- 多尺度学习
- 上下文学习
- 生成对抗学习
- 无锚机制
版权声明：本文为CSDN博主「Ivan's」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_26024067/article/details/121424275
暂无评论