何为小物体检测?
在目标识别与定位的应用场景中,难免会碰到目标物在图像中的尺寸相对较小的情况,例如下图所示。这些物体通常空间范围有限、像素覆盖率较低,且由于其外观小、信噪比低,为检测任务带来较大的挑战。
小物体检测应用场景
小物体检测应用场合具体如下:
- 安保:识别和跟踪拥挤区域的小物体,以加强公共安全。
- 自动驾驶:检测行人、骑行者以及交通标志等,确保导航安全。
- 医学成像:定位医学图像中异常和病变,用于早期疾病诊断和治疗计划。
- 遥感和航空图像:识别卫星图像中的小物体,用于城市规划和环境监测。
- 工业检测:制造和生产过程中的缺陷检测及质量控制等。
- 生命科学:分析细胞结构和微生物,用于生物学和遗传学研究。
- 机器人操作:在自动化任务中准确检测小物体,实现机器人的有效操作。
为什么传统物体检测技术无法识别到小物体?
目前有多种物体检测算法,如Faster RCNN、YOLO、SSD、RetinaNet、EfficientDet等,这些模型大多数都是在COCO数据集上训练的。COCO是包含丰富物体类别和标签的大量数据集,很适用于训练物体检测器。然而,事实证明这些模型无法检测到小物体。这是为什么呢?
感受野有限
如下图所示。感受野