待检测目标尺寸很小,导致占比小,检测难度大小尺寸检测
解决方案:切片、对小对象进行过采样,augumentation
待检测目标尺度变化大,网络难以提取出高效特征
解决方案:多尺度训练,Scale Normalization for Image Pyramids
待检测目标所在背景复杂,噪音干扰严重,检测难度大
解决方案:SSD网络,anchor 理念,在损失函数中加入调制因子,FPN特征金字塔
Adaptive Feature Pooling
待检测目标与背景颜色对比度低,网络难以提取出具有判别性的特征
解决方案:差值图像+开闭操作
各待检测目标之间数量极度不均衡,导致样本不均衡检测算法的速度与精度难以取得良好平衡
解决方案:硬采样:规定正负比例样本 ,软采样:规定权重,无采样:根据前面的样本估计后面的权重,生成式解决方法:GAN
IOU不均衡:
casacade RCNN:在不同分支上通过设置不同的IoU阈值,获得各自分支上高质量的正样本训练达成的