用于小物体检测的切片辅助超推理SAHI实现YOLOv8推理

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