小目标检测几点总结
一、单阶段目标检测主要步骤：
1、特征提取骨干网络设计
2、分类头网络设计
3、回归头网络设计
4、anchor生成设计：anchor尺度与比例
5、anchor匹配机制
6、损失函数设计
7、数据增强技术应用
二、航空图像特点：
1、目标尺度变化大：以中、小目标为主（评判标准？）；
2、目标旋转变化较大：尤其对于下视图像，同一类目标存在多角度变化；（旋转框检测）
3、场景明暗变化：存在过曝光和光线不充足等场景；
4、场景内目标疏密变化：存在目标密度极大的场景，也存在非常稀疏的场景；
5、图像视场大，单个目标较小，背景较为复杂；
6、单幅图像分辨率较高；
7、目标相对运动存在模糊现象；
8、目标遮挡现象；
三、小目标检测需注意的几点：
1、小目标所含像素信息小，主要纹理信息缺失，边缘信息相对明显；
2、小目标所含像素较少，信号微弱，需得到一定增强或考虑上下文环境信息辅助推理；
3、提高小目标分辨率，增强信号强度；
4、CNN底层特征预测具有较好的结构信息，顶层具有更多的语义信息。好的特征融合策略可以提取语义信息和结构信息俱佳的特征；
5、级联CNN思想；
6、感受野需根据目标尺度而选取。小感受野捕获不了完整信息，大感受野引入更多背景噪声（小目标对感受野更加敏感）；
7、Anchor尺度和比例的选取和与GT匹配机制，保证更多的anchor匹配到小目标上；
8、可以从定位和识别两个角度单独思考，设计专门的分类头和回归头（分类所需特征与检测所需特征之间具有一定偏移）。
四、小目标检测可行的几点方法：
1、多尺度训练与测试；
2、数据增强
3、特征融合模块设计
4、特征增强模块设计
5、上下文推理模块设计
6、膨胀卷积的利用
7、Anchor free是一个趋势
8、Focal loss
9、特征提取骨干网络设计
10、动态区域放大机制：基于强化学习
11、超分辨率重建
12、注意力机制（利用上层语义信息生成注意力）
