1.介绍

航片里小目标占总像元数不足1%，普通目标检测算法如YOLO会有很多错误，主要原因有3点：

1、航片的无关背景占多数

2、目标大小由于飞行高度和拍摄角度不同

3、航片中的小移动目标和噪音会混淆

2.方法步骤

1、多线索前景分割

　　结合了 optical flow 和 background modeling 两个方法，得到小目标概率热图，即一堆感兴趣区域。由于会存在许多噪声，用均值滤波对概率图进行处理。再对这些感兴趣框进行聚类，聚合重叠部分和两个离得很近的框

2、视觉细节增强

　　第一步做多分辨率映射，用的是线性插值，将小图片缩放到1,2,3倍，小目标的特定特征就表现出来了。再做前景增强映射，就是把第一步放大的图片重新排列位置到一张空的图上，这个空的图大小同输入网络的图，会有空隙存在，这么做有两个好处，第一是减少没东西的背景，第二是所有放大的图片都一次性进网络，不用每张图再缩放到输入网络的大小。

3、用深度网络监测

　　直接用YOLOv2进行目标检测，最后通过坐标回到原始图上。

3.网络训练

　　用普通大小的数据训练，然后去监测小目标

个人想法：这篇文章主要工作是在前景分割结合两个方法获得感兴趣区域，然后用线性插值放大感兴趣区域，最后目标检测。亮点可能就是感兴趣区域的获得了，看这篇文章的初衷是想看他怎么处理小目标的，没想到就用了线性插值放大