深度学习笔记-009 对超大图像进行目标检测的一些思路

目标

因为课题需要，需要对超大图像（例如15000×15000的遥感图像）进行目标检测。被检测的目标在大遥感图像中所占比例都很小，所以如何对大图像中的小目标进行目标检测成为我需要解决的一大问题。

思路1：图像切割

虽然目标物体在整张遥感图像中所占的比例很小，但是如果将图像进行切割，切割后的地物目标在图像中所占的比例有所提高，适合进行目标检测。
问题：

• 如何处理被检测目标被切割的问题？
• 不同分辨率的遥感图像所占像素不同，如何确定切割大小？
• 被切割的目标物体如何进行标注？

思路2：（Faster RCNN）特征金字塔平衡

如上图所示的特征金字塔，每次对图像进行特征提取所得到的特征图像尺寸会逐渐缩小。
浅层网络层能学习到更多的细节特征，使得目标位置更准确；而深层网络层能学习到更多的语义特征，目标位置比较粗略。
因为我们要对大图像中的小目标进行检测，对应的就是浅层网络中的特征信息，所以在最后的高层特征中需要增加低层的网络特征，通过将高层特征与低层特征进行融合来平衡不同网络层提取的特征，使得遥感图像中小目标的特征被充分提取。

——————————————————————
待更新