基于深度学习的小目标检测图像与视频指南：以海上监视为例
计算机视觉与模式识别
2022-07-27 v1 机器学习
摘要
光学图像与视频中的小目标检测(SOD)是一个具有挑战性的问题，即便是当前最先进的通用目标检测方法也未能准确对此类目标进行定位与识别。通常，小目标因相机与目标间距离较大而出现在真实世界中。由于小目标在输入图像中仅占据很小区域（例如小于10%），从如此小区域提取的信息并不总足以支撑决策。在深度学习与计算机视觉交叉领域工作的研究者正开发多学科策略，以提升基于深度学习的小目标检测方法性能。本文对2017至2022年间发表的160余篇研究论文进行了全面综述以调研这一日益增长的主题。本文总结了现有文献并给出一幅展现当前研究全局的分类体系。我们探究了如何提升海上环境下小目标检测性能，其中性能提升至关重要。通过建立通用与海上SOD研究间的联系，明确了未来方向。此外，讨论了用于通用与海上应用SOD的常用数据集，并给出了部分数据集上最先进方法的知名评估指标。
引用
@article{arxiv.2207.12926,
title = {A Guide to Image and Video based Small Object Detection using Deep Learning : Case Study of Maritime Surveillance},
author = {Aref Miri Rekavandi and Lian Xu and Farid Boussaid and Abd-Krim Seghouane and Stephen Hoefs and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:2207.12926},
year = {2022}
}