目标检测优化方向

1、图像分类数据辅助训练检测2022

https://zhuanlan.zhihu.com/p/583527083
https://github.com/facebookresearch/Detic（2022）

现阶段的目标检测器的性能已经到了一个瓶颈，作者认为限制其性能进一步提升的主要原因是其可获得的训练数据量规模太小。另一方面，图像分类的数据量就相对来说大得多同时更加容易收集，也因此图像分类可以在更大规模的词汇表上进行推理。作者基于此，提出了自己命名为Detic的目标检测训练方法，其可以非常简单的使用图像分类的数据集来对目标检测器的分类头进行训练。简单，是Detic的最大卖点，之前的类似弱监督的工作都是基于预测然后进行box-class的分配，实现起来十分繁琐且兼容性很差，只能在特定的检测器结构上进行训练，Detic则可易于实现，在大部分的检测建构和backbone上都可以接入使用。

2、小目标检测优化2023

https://github.com/PaddlePaddle/PaddleDetection/tree/develop/configs/smalldet