面向大规模小目标检测：综述与基准数据集
计算机视觉与模式识别
2023-10-06 v4
摘要
随着深度卷积神经网络的兴起，目标检测在过去几年取得了显著进展。然而，由于小目标内在结构导致的较差视觉表现与含噪表征，小目标检测（SOD）——计算机视觉中 notoriously 具挑战性的任务之一——的不尽如人意之现状无法被此种繁荣所掩盖。此外，用于基准测试小目标检测方法的大规模数据集仍是一瓶颈。本文中，我们首先对小目标检测进行了全面综述。继而，为催化SOD发展，我们构建了两个大规模小目标检测数据集（SODA）：SODA-D与SODA-A，分别聚焦于驾驶与航拍场景。SODA-D包含24828张高质量交通图像及九类共278433个实例。对于SODA-A，我们采集了2513张高分辨率航拍图像，并标注了九类共872069个实例。据我们所知，所提数据集是首次尝试构建带有大量详尽标注实例、专为多类别SOD定制的大规模基准。最后，我们在SODA上评估了主流方法的性能。我们期望发布的基准能促进SOD发展并催生该领域更多突破。数据集与代码见：\url{https://shaunyuan22.github.io/SODA}。
引用
@article{arxiv.2207.14096,
title = {Towards Large-Scale Small Object Detection: Survey and Benchmarks},
author = {Gong Cheng and Xiang Yuan and Xiwen Yao and Kebing Yan and Qinghua Zeng and Xingxing Xie and Junwei Han},
journal= {arXiv preprint arXiv:2207.14096},
year = {2023}
}
备注
in IEEE Transactions on Pattern Analysis and Machine Intelligence (2023)