【机器学习案例7】计算机视觉中的小物体检测：基于补丁的方法

专栏导读

• 作者简介：工学博士，高级工程师，专注于工业软件算法研究
• 本文已收录于专栏：《机器学习实用指南》本专栏旨在提供 1.机器学习经典案例及源码；2.开源机器学习训练数据集；3.机器学习前沿专业博文。以案例的形式从实用的角度出发，快速上手机器学习项目，在案例中成长，摆脱按部就班填鸭式教学。
• 欢迎订阅专栏，订阅用户可私聊进入机器学习交流群（知识交流、问题解答），并获赠丰厚的机器学习相关学习资料（教材、源码、视频课）
• 专栏订阅地址：https://blog.csdn.net/u010542847/category_12577105.html

---

文章目录

专栏导读

文章目录

前言

数据集

​编辑

基线

基于补丁的方法

结论

---

前言

有许多令人兴奋且有价值的计算机视觉任务。例如，假设我们有一个项目，我们想要使用配备摄像头的无人机和计算机视觉在森林中寻找失踪的人。或者也许我们需要找到一些小东西，并且我们有一台高质量的相机。

在这种情况下，我们可以在数据集中获得高分辨率图像。然而，大多数 CV 模型会降低图像分辨率，因为它有助于提高速度（训练和推理），并且通常不需要非常高分辨率来检测对象。

然而，在我们的例子中，我们确实需要全分辨率，因为我们将使用配备摄像头的无人机进行搜索。这意味着即使是人也会在我们的图像中显示为微小的物体。我们如何完成这样的任务？

数据集

一切都始于数据集。我试图找到一个开放数据集并最终使用 TinyPerson。这不是寻找失踪人员的完美数据集，但我们将用它作为示例。

我已将数据集从 COCO 格式转换为