本文對(duì)基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)的領(lǐng)域進(jìn)展進(jìn)行了全面回顧，并構(gòu)建了為小目標(biāo)檢測(cè)定制的大規(guī)模數(shù)據(jù)集SODA，其包括SODA-D和SODA-A，前者包含24828張高質(zhì)量駕駛場(chǎng)景圖像，9個(gè)類別共278433個(gè)實(shí)例;后者包含2513張從Google Earth提取的高分辨率遙感場(chǎng)景圖像，9個(gè)類別的872069個(gè)實(shí)例，單位:西北工業(yè)大學(xué)(韓軍偉團(tuán)隊(duì))

隨著深度卷積神經(jīng)網(wǎng)絡(luò)的興起，目標(biāo)檢測(cè)在過(guò)去幾年取得了顯著的進(jìn)步。然而，這種繁榮并不能掩蓋小目標(biāo)檢測(cè) (Small Object Detection，SOD) 領(lǐng)域發(fā)展緩慢的現(xiàn)狀。固有結(jié)構(gòu)導(dǎo)致的視覺外觀較差和噪聲表示，使得小目標(biāo)檢測(cè)成為一項(xiàng)極具挑戰(zhàn)性的任務(wù)。此外，用于評(píng)估小目標(biāo)檢測(cè)方法的大規(guī)模數(shù)據(jù)集仍然是一個(gè)瓶頸。在本文中，我們首先對(duì)小目標(biāo)檢測(cè)進(jìn)行了全面的回顧。為了推動(dòng) SOD 領(lǐng)域的發(fā)展，我們構(gòu)建了兩個(gè)大規(guī)模的小目標(biāo)檢測(cè)數(shù)據(jù)集(Small Object Detection dAtasets，SODA) ，即 SODA-D 和 SODA-A，分別專注于駕駛場(chǎng)景和遙感場(chǎng)景。SODA-D 數(shù)據(jù)集包含24828張高質(zhì)量的駕駛場(chǎng)景圖像，涵蓋了9個(gè)類別共278433個(gè)實(shí)例。SODA-A 數(shù)據(jù)集擁有2513張言分辨率的遙感圖像，包含9個(gè)類別共872069個(gè)實(shí)例。SODA 數(shù)據(jù)集是首個(gè)針對(duì)多類別小目標(biāo)檢測(cè)任務(wù)專門構(gòu)建的、包含詳盡實(shí)例級(jí)標(biāo)注的大規(guī)?；鶞?zhǔn)數(shù)據(jù)集。最后，我們?cè)u(píng)估了主流檢測(cè)方法在 SODA 數(shù)據(jù)集上的性能。我們期望這一基準(zhǔn)數(shù)據(jù)集能夠促進(jìn)小目標(biāo)檢測(cè)任務(wù)的發(fā)展，激發(fā)領(lǐng)域內(nèi)更多的突破

《Towards Large-Scale Small Object Detection: Survey and Benchmarks》

代碼：https://shaunyuan22.github.io/SODA/

論文：https://ieeexplore.ieee.org/document/10168277