1樓：David 9
聊聊目標檢測中的多尺度檢測（Multi-Scale），從YOLO，ssd到FPN，SNIPER，SSD填坑貼和極大極小目標識別
2樓：乙個閒人
題主所說的背景很簡單，可以考慮用cascade，最初的cascade是2023年viola&jones的人臉檢測器，應用很廣，變體很多，也很成熟。現在也有一些將其與CNN結合的工作。你可以系統的研究一下。
3樓：Forrest
是否可以這樣想：類似於人腦機制，當目標物體較大時，人可以識別該物體。若在此基礎上，不斷縮小目標物體，人依舊能識別該目標。
是否可以說，在目標較大時，人腦已經記憶（儲存）了目標物體的主要資訊（特徵），而這些資訊，並不因為尺度的變化而大幅度改變，因此人能夠識別。
另外，在目標實在特別小的時候，如果不借助於其他一些先驗資訊，人也是很難識別該目標的吧（疑問？），所以，放大目標可能是比較可取的方法。
4樓：Ge皮燉蛋湯
雖然我很鄙視sailency，但這裡我覺得可以用來試試。另外，有人說boosting，我覺得這個問題不適用，畢竟畫素太小，又加了旋轉。
5樓：taokongcn
瀉藥。題主現在的問題是在天空背景下的目標檢測，背景相對簡單，物體比較小。如果沒有遮擋的話可以試試傳統boosting，超畫素分割等類似的方法，沒有必要一開始就deep。
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路（CNN）和迴圈神經網路 RNN 有什麼區別？
不存在的1990 從字面區分 cnn 裡面的 c指 convolutional operation，是一種提取影象特徵方法。把這一operation加入到layer裡面構成了convolutional layer。rnn裡的r 指recurrent，中文是重複的意思。rnn構造的結構也是recurr...
什麼是卷積神經網路？
弗拉基公尺爾 神經網路可以理解為多元線性回歸。卷積神經網路可以理解為矩陣形式的多元線性回歸。不知道這樣理解對不對。那就這樣說應該不會有錯 卷積是乙個提取特徵的函式. 憤怒的葡萄 不請自來 首先artificial NNs的目的就是他們能夠被用作乙個任意函式逼近的方式，CNN也是一樣。CNN就是在原有...