基于深度学习的小目标检测方法综述

• 作者: 员娇娇 胡永利 孙艳丰 尹宝才
• 来源期刊: 北京工业大学学报
• 学科: 交通运输
• 关键词: 深度学习 目标检测 小目标检测 特征金字塔 上下文 数据增强
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究述评
• 页码范围: 293-302
• 页数: 10页
• 分类号: U461|TP308
• 语种: 中文
• DOI: 10.11936/bjutxb2020090019

摘要

小目标检测一直是目标检测领域中的热点和难点,其主要挑战是小目标像素少,难以提取有效的特征信息.近年来,随着深度学习理论和技术的快速发展,基于深度学习的小目标检测取得了较大进展,研究者从网络结构、训练策略、数据处理等方面入手,提出了一系列用于提高小目标检测性能的方法.该文对基于深度学习的小目标检测方法进行详细综述,按照方法原理将现有的小目标检测方法分为基于多尺度预测、基于数据增强技术、基于提高特征分辨率、基于上下文信息,以及基于新的主干网络和训练策略等5类方法,全面分析总结基于深度学习的小目标检测方法的研究现状和最新进展,对比分析这些方法的特点和性能,并介绍常用的小目标检测数据集.在总体梳理小目标检测方法的研究进展的基础上,对未来的研究方向进行展望.