干货提炼｜视觉小目标检测模型难点分析与突破

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，