## 小目标物体检测方法
## 1 现状
数据集中small类的AP基本是最低的,小目标检测很重要
## 2.1 从图像或特征尺度的角度
使用最后一个stage的特征去做预测很难,那么可以考虑如下的方式进行优化:
- 1)使用FPN在多个尺度上预测不同尺度的目标;
- 2)参考SNIP区分大小目标,针对性优化;https://zhuanlan.zhihu.com/p/52453855
- 3)输入图像放大(用超分辨率之类的方法有质量的方法)或是切图多次检测;
## 2.2 从anchor角度
- 1)**anchor的密度**:由检测所用feature map的stride决定,这个值与前景阈值密切相关,在密集的情况下可以使anchor加倍以增加对密集目标的检测能力(TextBoxes++,Pixel-Anchor);
- 2)**anchor的范围**:RetinaNet中是anchor范围是32~512,这里应根据任务检测目标的范围确定,按需调整anchor范围,或目标变化范围太大如MS COCO,这时候应采用多尺度测试;
- 3)**anchor的形状数量**:RetinaNet每个位置预测三尺度三比例共9个形状的anchor,这样可以增加anchor的密度�