论文查重 知网查重 知网论文查重 知网查重检测 中国知网查重
Copyright ©2013-2017 中国知网论文查重检测系统入口 All Rights Reserved. 网站备案号:黔ICP备19012782号-3.
由于低分辨率低,像素有限,小目标检测很困难。 例如,通过只看下图上的目标,人类甚至很难识别这些物体。 然而,通过考虑到它位于天空中的背景,这个物体可以被识别为鸟类。 因此,我们认为,解决这个问题的关键取决于我们如何将上下文作为额外信息来帮助检测小目标。
有研究员提出了一种利用上下文的目标检测方法来提高检测小目标的精度。 该方法通过连接多尺度特征,使用了来自不同层的附加特征作为上下文。 研究员还提出了具有注意机制的目标检测,它可以关注图像中的目标,并可以包括来自目标层的上下文信息。 实验结果表明,该方法在检测小目标方面的精度高于传统的SSD框架。 下图显示了SSD框架无法检测到小目标时的案例情况。
一共搜集了65篇2D目标检测论文,涉及:通用目标检测、旋转目标检测、Few-shot/自监督/半监督/无监督目标检测等方向。 最新! CVPR 2021 视觉Transformer论文大盘点(43篇)
小目标的定义主要有2种:第1种是绝对小物体,COCO数据集中指明,当物体的像素点数小于32×32时,此物体即可被看作是小物体;第2种是相对小物体,当目标尺寸小于原图尺寸的0.1时可认为是相对小物体 [ 1]. 在传统的基于机器学习的目标检测中,主要通过构建图像金字塔以求在金字塔的底部检测出小目标. 这种方式需要在不同分辨率的图像上分别提取特征,对于人工设计的特征,计算量尚在可接受范围内;但是对于深度学习提取的特征,这种方式会由于计算量大而无法满足实时性的要求. 随着深度学习的出现和发展,利用图像金字塔来检测不同尺度物体的方法逐渐被深度卷积神经网络 (convolutional neural network, CNN)替代.