小目标检测研究进展

小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标 检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小 目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学 习、上下文学习、生成对抗学习以及无锚机制等方面来提升小目标检测性能的方法，并分析了这些方法 的优缺点和关联性。之后，全面介绍小目标数据集，并在一些常用的公共数据集上对已有算法进行了 性能评估。最后本文对小目标检测技术的未来发展方向进行了展望。

目标检测是计算机视觉领域中的一个重要研究方向，也是其他复杂视觉任务的基础。作为图像理 解和计算机视觉的基石，目标检测是解决分割、场景理解、目标跟踪、图像描述和事件检测等更高层次 视觉任务的基础。小目标检测长期以来是目标检测中的一个难点，其旨在精准检测出图像中可视化特 征极少的小目标（32 像素×32 像素以下的目标）。在现实场景中，由于小目标是的大量存在，因此小目 标检测具有广泛的应用前景，在自动驾驶、智慧医疗、缺陷检测和航拍图像分析等诸多领域发挥着重要 作用。近年来，深度学习技术的快速发展为小目标检测注入了新鲜血液，使其成为研究热点。然而，相 对于常规尺寸的目标，小目标通常缺乏充足的外观信息，因此难以将它们与背景或相似的目标区分开 来。在深度学习的驱动下，尽管目标检测算法已取得了重大突破，但是对于小目标的检测仍然是不尽 人意的。在目标检测公共数据集 MS COCO［1］上，小目标和大目标在检测性能上存在显著差距，小目标 的检测性能通常只有大目标的一半。由此可见，小目标检测仍然是充满挑战的。此外，真实场景是错 综复杂的，通常会存在光照剧烈变化、目标遮挡、目标稠密相连和目标尺度变化等问题，而这些因素对 小目标特征的影响是更加剧烈的，进一步加大了小目标检测的难度。事实上，小目标检测具有重要的 研究意义和应用价值。对于机场跑道，路面上会存在微小物体，如螺帽、螺钉、垫圈、钉子和保险丝等， 精准地检测出跑道的这些小异物将避免重大的航空事故和经济损失。对于自动驾驶，从汽车的高分辨 率场景照片中准确地检测出可能引起交通事故的小物体是非常有必要的。对于工业自动化，同样需要 小目标检测来定位材料表面可见的小缺陷。对于卫星遥感图像，图像中的目标，例如车、船，可能只有 几十甚至几个像素。精确地检测出卫星遥感图像中的微小目标将有助于政府机构遏制毒品和人口贩 运，寻找非法渔船并执行禁止非法转运货物的规定。

综上所述，小目标检测具有广泛的应用价值和重 要的研究意义。对小目标检测展开研究将有助于推动目标检测领域的发展，扩宽目标检测在现实世界 的应用场景，提高中国的科技创新水平和加快中国全面步入智能化时代的步伐。目标检测作为计算机视觉的基础研究，已有许多优秀的综述发表。Zou 等［2］梳理了 400 多篇关于目 标检测技术发展的论文，包括历史上的里程碑检测器、检测框架、评价指标、数据集、加速技术和检测应 用等诸多内容，系统而全面地展现了目标检测这个领域的现状。Oksuz 等［3］则从目标检测中存在的类 别不平衡、尺度不平衡、空间不平衡以及多任务损失优化之间的不平衡等四大不平衡问题出发，对现有 的目标检测算法进行了深入的总结。Zhao 等［4］在对比总结目标检测中提及了小目标检测所面临的挑 战。Agawal 等［5］则在目标检测任务的主要挑战中简要介绍了几种常用的小目标检测方法。Chen 等［6］ 立意于小目标检测的 4 大支柱性方法，详细描述了多尺度表示、上下文信息、超分辨率、区域建议以及其 他方法等 5 类具代表性的网络，并介绍了部分小目标数据集。Tong 等［7］从多尺度学习、数据增强、训练 策略、基于上下文的检测和基于生成对抗网络的检测等 5 个维度全面回顾了基于深度学习的小目标检 测方法，并在一些流行的小目标检测数据集上，对当前经典的小目标检测算法进行了比较分析。Liu 等［8］在总结对比最近用于小目标检测的深度学习方法的基础上，还简单阐述了常规目标检测、人脸检 测、航空图像目标检测以及图像分割等 4 个研究领域的相关技术。此外，还有文献［9⁃10］等中文综述中 对小目标检测这一领域做了一定的总结工作。然而，文献［2］主要对一般目标检测算法进行了回顾，而 对小目标检测方法的介绍甚少。文献［3］则主要关注于目标检测领域中存在的不平衡问题。文献［4⁃5］ 对目标检测领域进行了全面的综述总结，虽然有所涉及小目标检测问题，但是并没有进行全面的总结 和深入的分析。文献［6⁃8］是针对小目标这一问题的综述，对小目标检测方法与性能评估进行了较为全 面的总结，但是在对小目标的定义、难点分析和性能评估等方面仍有所欠缺。文献［9⁃10］作为中文的小 目标检测综述，分别对小目标检测这一领域进行了总结综述，但是对于小目标检测方法的归类与分析仍不够深入。

与以往将小目标与常规目标等同对待或只关注特定应用场景下的目标检测综述不同，本文对小目 标检测这一不可或缺且极具挑战性的研究领域进行了系统且深入的分析与总结。本文不仅对小目标 的定义进行了解释，也对小目标检测领域存在的挑战进行了详细地分析和总结，同时重点阐述了小目 标检测优化思路，包括数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制以及其他优化 策略等。此外，本文还在常用的小目标数据集上分析对比了现有算法的检测性能。最后，对本文内容 进行了简要的总结，并讨论了小目标检测未来可能的研究方向和发展趋势。