推荐文章7

小目标检测：难点剖析与解决策略

机器学习AI算法工程2025-07-08

AI 摘要

小目标检测存在特征不足、难与背景区分等难点。文章给出多种改进策略，如改进数据增强、特征提取等，还介绍不同算法，像EESRGAN、CAB Net等，以及端到端训练、迁移学习等训练策略。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

YOLOv11改进：金属探伤漏检率大降

工厂质检工作累且易出错，用摄像头加AI检测，需模型在复杂车间环境识别微小缺陷。论文对YOLOv11改进，插入三个即插即用模块，降低漏检率、提升精度，还做了公平实验，公开数据。

油田抽烟事故损失大，传统检测方法有局限，深度学习模型也面临难题。作者基于YOLOv11n构建GCEA - YOLO网络，含ADown、CSP - EDLAN、GFPN、EfficientHead四个模块，检测精度显著提升，还验证了泛化与稳定性，并给出复现代码。

高分辨率航空图像小目标检测难，传统检测器表现差。2026年4月都灵理工大学团队提出ASAHI，用自适应切片框架，在VisDrone2019上mAP50达56.8%，推理速度比SAHI提升20 - 25%，还介绍了实战代码等。

基于优化的偏微分方程求解方法受关注，但实际慢于经典迭代求解器。本文从条件数角度审视效率瓶颈，指出标准MSE损失导致条件数平方放大、减缓收敛。提出稳定梯度残差损失SGR，在收敛速度与稳定性间建立平衡，实验验证其有效性。