在百度与机器之心联合举办的【三小时AI开发进阶】系列公开课中,百度资深研发工程师倾囊相授,首节课关注视觉模型开发难点:解析小目标检测的技术原理并带来现场实战演示,让我们一文快速回顾本节课的核心干货!
【课程主题】
视觉模型核心难点攻破:小目标检测技术详解与实战
小目标检测场景分析与典型算法详解
在本节课中,讲师首先介绍了视觉AI技术-物体检测的技术发展历程,随着各种检测方法的提出与实践,技术在不断提升其自动化水平与检测效率,满足各类产业落地场景的应用需求。
在物体检测这一场景中,“小目标检测”由于实现难度大,是学者与开发者们研究的重点,那什么样的目标算是小目标呢?
以物体检测领域的通用数据集COCO物体定义为例,小目标是指小于32×32个像素点。在实际应用场景中,通常更倾向于使用相对于原图的比例来定义。因此,我们给出相对的定义,物体标注框的长宽乘积,除以整个图像的长宽乘积,再开根号,如果结果小于3%,就称之为小目标。
在应用中,小目标的场景也遍布各行各业,