Copyright ©2013-2017 中国知网论文查重检测系统入口 All Rights Reserved. 网站备案号：黔ICP备19012782号-3.
对小目标检测展开研究将有助于推动目标检测领域的发展，扩宽目标检测在现实世界 的应用场景，提高中国的科技创新水平和加快中国全面步入智能化时代的步伐。 目标检测作为计算机视觉的基础研究，已有许多优秀的综述发表。
基于上下文学习的方法充分利用了图像中与目标相关的信息，能够有效提升小目标检测的性能。 但是，已有方法没有考虑到场景中的上下文信息可能匮乏的问题，同时没有针对性地利用场景中易于检测的结果来辅助小目标的检测。 鉴于此，未来的研究方向可以从以下两个角度出发考虑：（1）构建基于类别语义池的上下文记忆模型，通过利用历史记忆的上下文来缓解当前图像中上下文信息匮乏的问题；（2）基于图推理的小目标检测，通过图模型和目标检测模型的结合来针对性地提升小目标的检测性能。 生成对抗学习的方法旨在通过将低分辨率小目标的特征映射成与高分辨率目标等价的特征，从而达到与尺寸较大目标同等的检测性能。
一共搜集了65篇2D目标检测论文，涉及：通用目标检测、旋转目标检测、Few-shot/自监督/半监督/无监督目标检测等方向。 最新！ CVPR 2021 视觉Transformer论文大盘点（43篇）
最后本文对小目标检测技术的未来发展方向进行了展望。 目标检测是计算机视觉领域中的一个重要研究方向，也是其他复杂视觉任务的基础。 作为图像理 解和计算机视觉的基石，目标检测是解决分割、场景理解、目标跟踪、图像描述和事件检测等更高层次 视觉任务的基础。 小目标检测长期以来是目标检测中的一个难点，其旨在精准检测出图像中可视化特 征极少的小目标（32 像素×32 像素以下的目标）。 在现实场景中，由于小目标是的大量存在，因此小目 标检测具有广泛的应用前景，在自动驾驶、智慧医疗、缺陷检测和航拍图像分析等诸多领域发挥着重要 作用。 近年来，深度学习技术的快速发展为小目标检测注入了新鲜血液，使其成为研究热点。