學術查重怎么查？新手幫助CNKI學術查重檢測系統入口：國學術論文查重系統后該系統首先會對論文的格式進行自動識別，根據格式自動識別進行論文查重范圍的規定
發布時間：2023-06-16 01:01:23 作者：學術小編 來源：m.1888yd.cn
對小目標檢測展開研究將有助于推動目標檢測領域的發展，擴寬目標檢測在現實世界 的應用場景，提高中國的科技創新水平和加快中國全面步入智能化時代的步伐。 目標檢測作為計算機視覺的基礎研究，已有許多優秀的綜述發表。
基于上下文學習的方法充分利用了圖像中與目標相關的信息，能夠有效提升小目標檢測的性能。 但是，已有方法沒有考慮到場景中的上下文信息可能匱乏的問題，同時沒有針對性地利用場景中易于檢測的結果來輔助小目標的檢測。 鑒于此，未來的研究方向可以從以下兩個角度出發考慮：（1）構建基于類別語義池的上下文記憶模型，通過利用歷史記憶的上下文來緩解當前圖像中上下文信息匱乏的問題；（2）基于圖推理的小目標檢測，通過圖模型和目標檢測模型的結合來針對性地提升小目標的檢測性能。 生成對抗學習的方法旨在通過將低分辨率小目標的特征映射成與高分辨率目標等價的特征，從而達到與尺寸較大目標同等的檢測性能。
因此就有大神提出針對小目標檢測的一些方法，這些方法是建立在現有的目標檢測基礎之上提出的一些改進或者優化。 接下來主要對存在的優秀的小目標檢測算法進行簡單介紹。 小目標的介紹：有兩種定義方式，一種是相對尺寸大小，如目標尺寸的長寬是原圖像尺寸的0.1，即可認為是小目標，另外一種是絕對尺寸的定義，即尺寸小于32*32像素的目標即可認為是小目標。
