-
题名深度学习小目标检测算法综述
- 1
-
-
作者
张琴
郭为安
-
机构
福州职业技术学院信息工程学院
同济大学中德工程学院
-
出处
《计算机应用研究》
北大核心
2025年第10期2893-2904,共12页
-
基金
国家自然科学基金资助项目(62273263,72171172,71771176,92367101)
上海市自然科学基金资助项目(23ZR1465400)
+2 种基金
福建省中青年教师教育科研项目(JAT220652)
福州职业技术学院校级科研计划资助项目(FZYKJJHZD202401)
福州职业技术学院引导计划资助项目(FZYKJZXYD202201)。
-
文摘
小目标检测是目标检测领域的重要分支,在智能监控、无人驾驶、医学影像分析和遥感监测等实际应用中具有重要价值,然而,由于小目标像素占比小、特征表达弱、背景复杂,以及检测精度与速度难以平衡,其技术挑战仍然突出。在广泛文献调研的基础上,梳理了小目标检测的技术挑战与解决方案,分析了特征表达不足、上下文信息利用不充分、样本不平衡等核心问题,总结了多尺度特征融合、注意力机制、知识蒸馏等关键技术进展。基于MS COCO和TinyPerson数据集,对主流算法的检测效率与精度进行对比,揭示了不同方法的优劣,并探讨了生成式特征学习、自监督学习、动态架构设计等未来研究方向,为小目标检测技术发展提供参考。
-
关键词
小目标检测
多尺度特征融合
注意力机制
样本均衡
轻量级网络
鲁棒性
-
Keywords
small object detection
multi-scale feature fusion
attention mechanism
sample balance
lightweight network
robustness
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
