目標檢測寫小論文 小目標檢測算法有哪些？
小目標檢測算法有哪些？
因此就有大神提出針對小目標檢測的一些方法，這些方法是建立在現有的目標檢測基礎之上提出的一些改進或者優化。 接下來主要對存在的優秀的小目標檢測算法進行簡單介紹。 小目標的介紹：有兩種定義方式，一種是相對尺寸大小，如目標尺寸的長寬是原圖像尺寸的0.1，即可認為是小目標，另外一種是絕對尺寸的定義，即尺寸小于32*32像素的目標即可認為是小目標。
圖像中的小目標檢測方法有哪些？
在現有的目標檢測的文獻中，大多數是針對通用的目標來進行檢測，如經典的單階段方法yolo和ssd，兩階段方法faster-rcnn等，這些方法主要是針對通用目標數據集來設計的解決方案，因此對于圖像中的小目標來說，檢測效果不是很理想。 因此就有大神提出針對小目標檢測的一些方法，這些方法是建立在現有的目標檢測基礎之上提出的一些改進或者優化。
目標檢測是什么？
目標檢測（Object Detection）可以識別一幅圖像中的多個物體，定位不同物體的同時（邊界框），貼上相應的類別。 簡單來說，解決了what和where問題。 授人以魚，不如授人以漁，本文不會具體介紹某類/某種算法（one-stage or two-stage），但會給出目標檢測相關論文的最強合集（持續更新ing）。