小目标检测问题中“小目标”如何定义？其主要技术难点在哪？有哪些比较好的传统的或深度学习方法？

手机码字，格式可能有点不好看。

我们来看 MS COCO 数据集是怎么定义小目标的：

可以看到，对于面积小于 32*32 的物体，MS COCO 就认为它是一个小物体，在评测时，会对这个范围的物体计算 APsmall。

如果你有观察过 state-of-the-art 检测器中关于物体大小 AP 的 report，就会发现 APsmall 永远是最小的那个。目前很少有能在这一项上超过 30 的检测器，而相比起来，APlarge 能够达到 APsmall 的两倍左右。

有大量论文专门讨论以及提升检测器对于小物体的识别能力。为什么对于小物体的检测会这么重要呢？以自动驾驶为例，有许多小的障碍物很难用激光雷达探测到，这个时候就需要计算机视觉的帮助。

如何提升小物体的检测能力？有几个很精彩的讨论贴：

我们可以把方法归类：

（1）scale。最简单粗暴的方法就是放大图片。这就是在尺度上做文章，如FPN（Feature Pyramid Network），SNIP（An Analysis of Scale Invariance in Object Detection – SNIP）都是在做尺度的事情。特征图的分辨率 stride 的设置也算在这个里面。另，如果图像尺寸特别大，可以考虑 YOLT（You only look twice）中切图的方法。

（2）context。小物体需要有更多的周边信息来帮助识别，如何利用这些信息，two stage 可以从 ROI Pooling 上下手，另也有 Jifeng Dai 老师的 Relation Network for Object Detection。

（3）anchor。回归的好不如预设的好，S3FD 做了非常细致的 anchor 的实验,可以帮助我们更合理地设计anchor。

（4）matching strategy。对于小物体不设置过于严格的 IoU threshold，或者借鉴 Cascade R-CNN 的思路。

事实上，单单对于 MS COCO 而言，检测小目标的难点主要就在于定位。在严格的 IoU 段（指 AP75 到 AP95 这一段），小物体在这上面的分数是非常非常低的。

那么，有一个十分简单的方法可以提升小物体的精度，那就是为 bounding box regression 这项损失上，加一个针对于小物体的权重。

以 YOLOv3 为例，默认对于 regression 损失都会上一个 (2-w*h) 的损失，w 和 h 分别是ground truth 的宽和高。如果不减去 w*h，AP 会有一个明显下降。如果继续往上加，如 (2-w*h)*1.5，总体的 AP 还会涨一个点左右（包括验证集和测试集）。当然这大概也有 COCO 中小物体实在太多的原因。

欢迎补充交流指正错误；）