目标检测常见问题

一.如何检测小目标

参考:https://mp.weixin.qq.com/s/_gIimlwgjXgarKLPHpp4zQ

1.数据层面:

①将原始图像进行缩放,提高小目标样本数

②增加模型的输入尺寸

③采用mosaic数据增强,四张照片缩放,拼接为一张

2.网络结构方面:(适用于小目标分割)

多尺度融合Feature Pyramid Networks, FPN(上采样,自顶向下,深层网络为顶,顶为上)Path Aggregation Network, PAN (下采样,自底向上)等

②**注意力机制:**如SENet

③**长跳跃连接:**长跳跃连接是指将不同层级的特征图进行融合的一种方法,可以帮助模型更好地捕捉不同层级的特征信息。众所周知,浅层特征图的细节信息丰富但语义信息较弱,深层特征图则与之相反。因此,在小目标检测中,可以将低层级的特征图和高层级的特征图进行融合,以增强对小目标的定位能力。

二.两阶段目标检测:

相关推荐
每天都要写算法(努力版)几秒前
【神经网络与深度学习】改变随机种子可以提升模型性能?
人工智能·深度学习·神经网络
烟锁池塘柳019 分钟前
【计算机视觉】三种图像质量评价指标详解:PSNR、SSIM与SAM
人工智能·深度学习·计算机视觉
小森77671 小时前
(六)机器学习---聚类与K-means
人工智能·机器学习·数据挖掘·scikit-learn·kmeans·聚类
RockLiu@8051 小时前
探索PyTorch中的空间与通道双重注意力机制:实现concise的scSE模块
人工智能·pytorch·python
进取星辰1 小时前
PyTorch 深度学习实战(23):多任务强化学习(Multi-Task RL)之扩展
人工智能·pytorch·深度学习
极客智谷2 小时前
Spring AI应用系列——基于ARK实现多模态模型应用
人工智能·后端
思悟小卒2 小时前
可以自我反思的检索增强生成
人工智能
学点技术儿2 小时前
torch.cuda.empty_cache()使用场景
人工智能
孔令飞2 小时前
如何在 Go 中实现各种类型的链表?
人工智能·云原生·go
XCristiano2 小时前
LLM魔法:让非结构化文本变身知识图谱
人工智能