CVPR21论文：如何通过上下文与注意力机制改进小目标检测技术？

本文共计1599个文字，预计阅读时间需要7分钟。

计算机视觉研究学院专题+作者：Edison_G+CVPR21文章，我们分享了众多最佳框架。在现实场景中，目标检测自然是基础且热门的研究课题。目前，针对小目标的检测，更是研究热点。

计算机视觉研究院专栏

作者：Edison_G

CVPR21文章我们也分享了很多最佳的框架，在现实场景中，目标检测依然是最基础最热门的研究课题，尤其目前针对小目标的检测，更加吸引了更多的研究员和企业去研究，今天我们“计算机视觉研究院”给大家分享一个小目标检测精度提升较大的新框架！

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

论文：

​​arxiv.org/pdf/1912.06319.pdf​​

1

简要

在各种环境中应用目标检测算法有很多局限性。特别是检测小目标仍然具有挑战性，因为它们分辨率低，信息有限。

有研究员提出了一种利用上下文的目标检测方法来提高检测小目标的精度。该方法通过连接多尺度特征，使用了来自不同层的附加特征作为上下文。研究员还提出了具有注意机制的目标检测，它可以关注图像中的目标，并可以包括来自目标层的上下文信息。实验结果表明，该方法在检测小目标方面的精度高于传统的SSD框架。