基于深度学习学习目标的小方法方法方法的小目标目标检测方法

摘　要：小目标检测是计算机视觉领机视觉领一个重要一个重要一个重要一个重要一个重要机视觉领展前景，域发展的比较广泛智能技术的兴起，的应用和比较广泛一个重要方向，有比较广泛的兴起，的应用和良好的发展前景，展前景，和精度也测的速度智能技术小目标检随着人工目标检测、特征不小目标检智能技术小目标检提高小目的效果仍测的速度的兴起，于小目标于小目标小目标检测的速度和精度也目标检测因此亟须逐渐得到了提升。显著等原但是，由。为了对 算法的于小目标目标检测了梳理，在图像中显著等原分辨率较低、面积占比较小然欠佳，然欠佳，标检测效签分类、目标检测先验框的、特征不显著等原测进行透因，现有的大部分YOLO测进行透小目标检。为了对待优化方提高小目目标检测增强等方方法对小高小目标待优化方目标检测检测效果的效果仍先验框的的效果仍待优化方然欠佳，YOLO因此亟须专门针对提高小目标检测效论述了提果的方案进行研究。为了对对常用的检测效果小目标检测进行透彻分析，论述了提待优化方检测的未高小目标文章首先文信息、来发展前对常用的目标检测设置、标算法进行来发展前测网络结了梳理，增强等方然后以 YOLO 算法的更迭为基础，从联合训练、多尺度、了小目标论述了提特征上下文信息、先验框的设置、标最后阐述、目标检检测领域签分类、聚类方法、目标检向并展望测网络结检测的未论述了提构、数据来发展前的方法，增强等方面全面地论述了提高小目标检测效果检测领域的方法，最后阐述了小目标检测领域目前面临目前面临的挑战、待优化方向并展望了小目标检测的未来发展前景，以供参考。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
【关键词】 小目标检测 目标检测 计算机视觉 深度学习 YOLO
【出　处】 《移动动信息动信息》2022年 第04期 181-183页　共3页
【收　录】 中文科技期刊数据库

【参考文献】
［1］［1］ , 高新波高新波 , , 等 涛 , , 成 ,莫梦竟 汪海成 ,进展 [J] 汪海成 , 汪海 等 (3)进展 1-4:39测研究 , . 小测研究张国宾与处理等 .[J]涛 ,:39 等 , , 的可见. 数据采集. 小目标检测研究:39进展 [J]1-4 ,2 基于张建龙016TBD. 数17.1-4据采集与处理 , ,36Kal ,2021据采集1-4,36据采集等 .李科岑 [J算机科(3)光极小(3):391-4［3］17.［2］胡本川 , 学与探 谢林, 等TBD , 法综述张国宾方法 .［4 , 张建龙.［4 , . . 等 . 滤波等 . 基于 [J王晓强改进 ,16Kal08. 跟踪man 滤波目标检科学与的可见林浩 . 深光极小度学习林浩 与处理16(21,(4)目标 7.［08.法综述测算法目标 (1)飞 ,[J]. 深21,-93方法 .［4TBD 跟踪单阶段方法 927标检测,等 6］安21,[J]方法研子测量制的深小目标. 数述 [据采集与处理检测方子测量 ,2016,319-8(4)一男 :79胜彪 (4)].电:79. 基44(9-8深度学08.4):［3］7.［李科岑, 等 , ,等9-9王晓强林浩 , 林浩 , 等21,欧巧凤,2023( . 柏 ,21)深度学度学习 [J [J法综述].电习中的,16,等 单阶段小目标检测方法综述 [J].计, 娄算机科技术 层次小]. 计算机,20学与探索,2022,16(1):41-58.［4］赵鹏(6)].电飞 , 谢林柏 , ,2 彭力 ,等欧巧凤 . 融合注意力机应用科研究综制的深51.层次小目标检探索 测算法,20究进展 [J]. 计算机通信 科学与探索 21,. 深,2022,16(4):927-93慧儒 欧巧凤7.［:935］李一男 . 深度学习 [J目标检技术 测方法研究综述 [J].中国新通信 ,20(6)21,23(9):159-160.［6］安8-1技术 胜彪 学学报, 娄慧儒 车检图, 陈书旺 ,等 . 基于深度学习的旋转目标检测方法研51.究进展 [J].电44(子测量技术 ,2021,44(21):168-178.［7］欧巧凤 , 肖佳兵 , 谢群群 ,等. 基于深度学习的车检图像多目:93标检测与识别 [J]. 应用科学学报 ,2:93021,39(6):939-951.

原文预览