总结【小目标检测】今年的前沿创新，为你提供研究思路

目标检测现在太卷了。这个领域里想更容易出论文，要重点关注小目标检测。

小目标检测能用于遥感、交通、军事、自动驾驶等，应用方向广！同时还面临分辨率低、尺度跨度大、类别不平衡等挑战，可挖掘创新点多，容易出idea发paper！

今天分享我整理的小目标检测20篇经典研究+30篇最新创新思路！涵盖领域内多个影响力很大的研究，以及24年6月最新的前沿创新！

所有50个小目标检测研究，全部帮你总结核心思路+全部都有开源代码！想要的同学扫码获取下载方式！

扫码获取50篇小目标检测研究合集

论文PDF+代码文件

20篇经典研究+代码

30篇最新创新思路+代码

扫码获取50篇小目标检测研究合集

论文PDF+代码文件

“

30篇最新创新思路+代码

HCF-Net: Hierarchical Context Fusion Network for Infrared Small Object Detection

一种深度学习方法HCF-Net，包括并行块感知注意力（PPA）模块、维度感知选择性整合（DASI）模块和多膨胀通道细化器（MDCR）模块。通过多个实用的模块显著提高了红外小目标检测的性能。

MIM-ISTD: MAMBA-IN-MAMBA FOR EFFICIENT INFRARED SMALL TARGET DETECTION 

利用Mamba机制的多层次特征提取能力，在模型内部嵌入多层次的Mamba结构，使其能够捕捉红外图像中的细微特征和背景信息，提升小目标检测的精度和效率。

扫码获取50篇小目标检测研究合集

论文PDF+代码文件

“

20篇经典研究+代码

An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection

提出了一种能效和计算效率更高的架构VoVNet，它由一次性聚合（One-Shot Aggregation, OSA）组成。OSA不仅采用了DenseNet的优势，即用多感受野表示多样化的特征，还通过在最后的特诊图中仅一次性聚合所有特征，克服了密集连接的效率问题。小目标检测性能卓越。

Small-Object Detection in Remote Sensing Images with End-to-End Edge-Enhanced GAN and Object Detector Network

提出端到端边缘增强型GAN，包含三个组件的架构：ESRGAN、边缘增强网络（EEN）和检测网络。对ESRGAN和EEN都使用了残差密集块（RRDB），对于检测网络使用了更快的基于区域的卷积网络（FRCNN）（两阶段检测器）和单次多框检测器（SSD）（单阶段检测器）。专门用于提高遥感图像中小目标的检测能力

扫码获取50篇小目标检测研究合集

论文PDF+代码文件