摘要： 1.锚框设计的种类 ①Faster RCNN 模型利用 RPN(RegionProposal Networks，候选区域网络)生成候选检测框时，对于最小尺度为 128*128 的 Anchor，其候选框平均大小要超过 100*100，也就是设置的最小 Anchor 都要比待检测的小目标大很多，但如果 阅读全文

摘要： 1.多尺度融合的原因 卷积神经网络的浅层网络分辨率高，感受野小，目标的位置准确，适合检测小目标，但特征的语义信息表征能力弱，召回率低；而深层网络分辨率低，像素少，可能会导致小目标的信息丢失，不利于其识别，但特征的语义信息表征能力强，因此如果两者能够取长补短进行融合，那么既能利用浅层网络的细节信息又能 阅读全文

摘要： 数据增强 针对不同数据集自动化组合数据增强的方法 通过复制粘贴增加图片中小目标的数量（可进行适当缩放和旋转），不要覆盖已有目标的位置 在每个批次训练时，随机将四张图像（相同大小或不同大小）进行缩放，然后随机拼接成一张原图尺寸大小的图像，这样就增加了小目标的数量 随着超分辨率技术的不断发展，将低分辨率 阅读全文