下载掌阅APP，畅读海量书库
立即打开
本章从第一层复杂性、环境复杂性的角度出发，研究上下文信息的复杂场景下小目标检测，以解决目标精确定位的问题。复杂场景下的小目标检测，旨在在复杂背景中寻找分辨率非常有限的小目标。一方面，环境的复杂性给背景区域和前景目标的分离造成了极大的困难；另一方面，微小目标本身携带的信息量匮乏，如果仅根据边界框内包含的信息来检测，则会导致检测准确率快速下降。本章试图利用目标候选区域的上下文信息，提升背景区域和前景区域的区分性，以提升对微小目标的检测性能。为此，本章提出上下文信息指导的小目标检测框架。该方法首先使用高召回率的检测器进行小目标候选区域的粗筛选，然后提出一个基于判别式学习和图割技术的目标检测框架，使用该框架构建候选区域来描述上下文信息，实现对目标候选区域的精细筛选。在广泛使用的4个标准数据集中，验证了所提出的方法超过了前沿的小目标检测算法。