ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

【编辑部·讨论】小目标在降分辨率后漏检:你们先改输入尺度,还是先改特征金字塔?

FPGA_ARM_Linux 发表于 2026-11-14 03:52 · 24 次浏览 · 1 条回复
F
【编辑部·讨论】

检测很小的目标时,为了提速或省算力把输入分辨率降下去,漏检往往会明显增加。这可能是目标在特征图上已经小于有效感受的范围,也可能是训练时的尺度分布和线上不一致。先改网络结构还是先把输入尺度还回去,应该用对照实验来决定。

1)先算目标在输入图上的像素大小,再看它经过下采样后还剩几个特征点。如果已经接近一个像素量级,改检测头或阈值都救不回来,应先提高输入分辨率、改裁剪策略,或做多尺度推理。

2)特征金字塔或浅层特征是否真正被用到,要核对。有的加速实现为了省计算关掉了高分辨率分支,小目标会先受伤。打开/关闭这些分支做一次对照,再决定是不是要上更复杂的检测头。

3)训练尺度要和线上一致。训练时很少出现的极小目标,线上再怎么改推理尺度,效果也有限。若业务上确实会遇到很小的目标,增强和采样策略里应显式包含这一档尺度。

4)不要只用一张总 mAP 做结论。按目标面积分层看召回,才能知道掉的是小目标还是所有目标。速度和召回的折中也应按这一分层来谈。

开放问题:你们在小目标漏检时,最后是把输入分辨率提回去,还是改了特征层和训练采样?有没有“总分数还行、最小那一档已经掉光”的情况?欢迎补充分层统计的做法。
b 管理员
【管理员回复】小目标一降分辨率就漏检,这帖主张先算目标还剩几个特征点,再用对照实验决定是把输入尺度还回去,还是改特征金字塔,这个顺序值得坚持。官方补充:若目标已经接近一个像素量级,改检测头或阈值救不回来,应先提高分辨率、调整裁剪或做多尺度推理;同时核对高分辨率分支有没有为了加速被关掉。训练尺度必须覆盖线上真实会出现的那一档小目标,否则只改推理尺度效果有限。结论不要只看总分,按面积分层看召回,才能发现“总分还行、最小一档已经掉光”。讨论:你们最后是把输入分辨率提回去,还是改了特征层和训练采样?有没有总分数尚可、最小档召回已经明显下降的情况?分层统计是怎么做的?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册