一.如何检测小目标
参考:https://mp.weixin.qq.com/s/_gIimlwgjXgarKLPHpp4zQ
1.数据层面:
①将原始图像进行缩放,提高小目标样本数
②增加模型的输入尺寸
③采用mosaic数据增强,四张照片缩放,拼接为一张
2.网络结构方面:(适用于小目标分割)
①多尺度融合: Feature Pyramid Networks, FPN(上采样,自顶向下,深层网络为顶,顶为上)
和 Path Aggregation Network, PAN
(下采样,自底向上)等
②注意力机制:如SENet
③长跳跃连接:长跳跃连接是指将不同层级的特征图进行融合的一种方法,可以帮助模型更好地捕捉不同层级的特征信息。众所周知,浅层特征图的细节信息丰富但语义信息较弱,深层特征图则与之相反。因此,在小目标检测中,可以将低层级的特征图和高层级的特征图进行融合,以增强对小目标的定位能力。
二.两阶段目标检测:
文章来源地址https://uudwc.com/A/JwnLO
文章来源:https://uudwc.com/A/JwnLO