奚 琦，张正道，彭 力

（江南大学物联网工程学院，江苏无锡 214122）

0 概述

小目标检测技术在人们日常生活中使用较广泛［1-3］，被应用于多个场景。例如，无人驾驶场景下利用检测摄像头捕获图像中较远和较小的目标，医学图像场景下检测较小尺度的病灶，工业制造场景下检测材料中微小瑕疵等。目前在计算机视觉领域，小目标并未被严格定义为分辨率或者像素点总量小于某尺度的物体，其通常根据研究对象或实际应用场景来定义。本文根据文献［4-5］对小目标的定义，将图像中尺寸小于20 像素×20 像素的物体定义为小目标。相较图像中常规尺度目标，小目标尺度占比更小、像素更少且外形特征不明显，因此，小目标检测成为目标检测亟待解决的难题之一。

近年来，传统Haar［6］、HOG［7］和SHIFT［8］等基于手工设计特征的目标检测算法因检测效率低、检测目标单一、鲁棒性差且速度慢逐渐被淘汰。随着人工智能技术的深入发展，基于卷积神经网络自动学习特征的目标检测算法因具有较高的检测速率和检测精度，被广泛应用于目标检测中的各个领域。现有基于卷积神经网络的目标检测算法主要包括Fast R-CNN［9］、Faster R-CNN［10］等基于候选区域的算法以及YOLO［11］、单激发探测器（Single Shot Detector，SSD）［12］等基于回归的算法。其中，SSD 算法检测性能相对更好，但由于其仅依靠分辨率较高的Conv4_3（尺寸为38×38）浅层特征图进行小目标检测，而Conv4_3 浅层特征图在模型中位置靠前，其特征提取能力不足，且上下文语义信息不够丰富，导致SSD 算法对小目标检测效果较差。……