小目标识别——调研

⼩⽬标识别——调研
1、⼩⽬标所占像素的问题
⼀种是相对尺⼨⼤⼩，如⽬标尺⼨的长宽是原图像尺⼨的0.1，即可认为是⼩⽬标；
另外⼀种是绝对尺⼨的定义，即尺⼨⼩于32*32像素的⽬标即可认为是⼩⽬标。

摘要⼩⽬标是指图像中覆盖区域较⼩的⼀类⽬标.与常规⽬标相⽐，⼩⽬标信息量少，训练数据难以标记，这导致通⽤的⽬标检测⽅法对⼩⽬标的检测效果不好，⽽专门为⼩⽬标设计的检测⽅法往往复杂度过⾼或不具有通⽤性.在分析现有⽬标检测⽅法的基础上，提出了⼀种⾯向⼩⽬标的多尺度快速区域卷积神经⽹络(faster-regions with convolutional neural network， Faster-RCNN)检测算法.根据卷积神经⽹络的特性，修改了Faster-RCNN的⽹络结构，使⽹络可以同时使⽤低层和⾼层的特征进⾏多尺度⽬标检测，提升了以低层特征为主要检测依据的⼩⽬标检测任务的精度.同时，针对训练数据难以标记的问题，使⽤从搜索引擎上获取的数据来训练模型.因为这些训练数据与任务测试数据分布不同，⼜利⽤下采样和上采样的⽅法对⽬标⾼分辨率的训练图像进⾏转化，使训练图像和测试图像的特征分布更类似.实验结果表明：所提出的⽅法在⼩⽬标检测任务上的平均精度均值(mean average precision, mAP)可以⽐原始的Faster-RCNN提⾼约5%.
⾯向⼩⽬标的多尺度Faster-RCNN检测算法
faster-rcnn原理介绍 - Lin_xiaoyi的博客 - CSDN博客
2、算法识别率
深度学习第24讲：计算机视觉之⽬标检测算法综述 - 云+社区 - 腾讯云。