TY - Jour A2 - Valenti，Cesare F. Au - Nguyen，Nhat-duy Au - Do，Tien Au - Ngo，Thanh Duc Au - Le，Duy-Dinh Py - 2020 da - 2020/04/27 Ti - 评价小物体检测的深度学习方法SP - 3189691 VL - 2020 AB - 小物体检测是计算机视觉中的一个有趣的话题。随着深度学习的快速发展，它引起了几个研究人员，在加入比赛的方法中具有创新。这些创新构成了区域提案，分割网格单元，多尺度特征映射和新损耗功能。结果，对象检测的性能最近具有显着的改进。然而，大多数最先进的探测器，无论是一级和两级方法，都在努力检测小物体。在这项研究中，我们根据快速RCNN，RCNN，REDINANET和YOLOV3等两种方法评估当前的最先进模型。我们对模型的优势和局限性提供了深刻的评估。具体而言，我们在具有多尺度对象的不同数据集上运行模型，以查找哪些类型的对象适用于每个模型以及底部。广泛的经验评估是在2个标准数据集中进行的，即来自Pascal VOC 2007的小对象数据集和过滤的数据集。最后，然后呈现比较结果和分析。 SN - 2090-0147 UR - https://doi.org/10.1155/2020/3189691 DO - 10.1155/2020/3189691 JF - Journal of Electrical and Computer Engineering PB - Hindawi KW - ER -