小目标物体检测方法：基于距离相似度的标签分配策略

文章预览

来源：AI公园 导读 该策略不仅考虑了位置和形状的相似性，而且还能够自适应地学习超参数，确保它可以适应不同的数据集及数据集中各种大小的物体。 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的数量，并且具有一些需要设置的固定超参数。然而，更多的正样本并不一定带来更好的检测结果；实际上，过多的正样本可能导致更多的假阳性。在本文中，我们介绍了一种简单而有效的策略，名为相似距离（SimD），用于评估边界框之间的相似度。该提出的策略不仅考虑了位置和形状的相似性，而且还能够自适应地学习超参数，确保它可以 ………………………………