Copyright ©2013-2017 中国学术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。
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）
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。
目标检测的目标是确定图像中目标的类别和位置。 本文提出了一种新的anchor free两阶段框架，它首先通过寻找潜在的角点组合来提取一些候选目标，然后通过一个独立的分类阶段为每个候选分配一个类标签。 这两个阶段分别是提高召回和精度的有效解决方案，它们可以集成到端到端网络中。 框架称为Corner Proposal Network (CPN)，具有检测各种尺度目标的能力，也避免被大量假阳性候选所混淆。