小目标物体检测方法：基于距离相似度的标签分配策略（附论文及源码）

文章预览

以下 文 章来源于微信公众号： AI公园 作者： ronghuaiyang 链接：https://mp.weixin.qq.com/s/tR4APSueVqpSmo7TaDkwZw 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 在计算机视觉中，小目标检测由于信息不足而具有挑战性。对此，本文提出相似距离（ SimD ）策略，提升检测准确性。SimD自适应学习超参数，适应不同数据集和物体大小，在多个数据集上表现出色，特别是在AI-TOD数据集上显著提高精度，且无需设置超参数！ 论文链接： https://arxiv.org/pdf/2407.02394v3 代码链接：https://github.com/cszzshi/SimD 摘要 小物体检测正成为计算机视觉中最具挑战性的任务之一，这是因为物体尺寸有限以及信息不足。标签分配策略是影响物体检测准确性的一个关键因素。尽管存在一些针对小物体有效的标签分配策略，但大多数策略侧重于降低对边界框的敏感度以增加正样本 ………………………………