COCO数据集中将面积小于32*32pixels的物体称为小目标，目标检测中对于小目标的检测mAP值一直都不太好，也是由来已久的优化重点。
造成小目标不易检测的原因
1、目标本身所占有的RGB信息过少，对于特征提取和判别造成困难
2、数据不平衡性
3、基于anchor-based的检测方案的anchor不易匹配问题
4、既是小目标又是难样本（遮挡、模糊等场景）
5、模型结构下采样次数
业内研究方向：
1、多尺度特征学习
2、基于GAN生成高分辨率的数据后进行检测
3、基于全局信息或者上下文语义信息进行识别
4、数据源头进行增广
5、使用注意力机制捕捉增强小目标的检测能力
6、模型backbone更新
部分可参考的方案 ：
1、SPD-Conv
2、TPH-Yolov5
3、NECK更改系列（FPN/BiFPN/PAFPN等）
未完待续->持续记录
版权声明：本文为caobin_cumt原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。