目标检测常见问题

一.如何检测小目标

参考：https://mp.weixin.qq.com/s/_gIimlwgjXgarKLPHpp4zQ 

1.数据层面：

①将原始图像进行缩放，提高小目标样本数

②增加模型的输入尺寸

③采用mosaic数据增强，四张照片缩放，拼接为一张

2.网络结构方面：（适用于小目标分割）

①多尺度融合： Feature Pyramid Networks, FPN（上采样，自顶向下，深层网络为顶，顶为上） 和 Path Aggregation Network, PAN （下采样，自底向上）等

②注意力机制：如SENet

③长跳跃连接：长跳跃连接是指将不同层级的特征图进行融合的一种方法，可以帮助模型更好地捕捉不同层级的特征信息。众所周知，浅层特征图的细节信息丰富但语义信息较弱，深层特征图则与之相反。因此，在小目标检测中，可以将低层级的特征图和高层级的特征图进行融合，以增强对小目标的定位能力。

二.anchor-free 和 anchor-based 区别：

参考：Anchor based and Anchor free(无锚VS有锚)【总结】_Aedream同学的博客-CSDN博客