计算机视觉 · 小目标专题
让目标在有限像素里被看见
从有限像素出发,理解检测器如何看见目标。
从目标尺度、边界框和评价口径出发,逐步拆解 YOLO、SSD 与 R-CNN 的关键环节,再走到切片推理、特征增强和 CPU 部署。16 个实验共 39 学时,使用可控的合成教学样本。
实验主题
选择一个主题开始
每个主题都有独立页面,内容、方法和关联资料各自成组。
04 条内容
目标检测基础与评价
从目标尺寸、边界框和 IoU 出发,建立可复核的评价口径。
进入主题 ↗04 条内容一阶段检测器:YOLO
沿着网格解码、数据增强、候选框筛选和损失训练走一遍 YOLO 的关键环节。
进入主题 ↗02 条内容多尺度检测:SSD 与特征金字塔
理解多层特征图、默认框与感受野怎样覆盖不同尺度目标。
进入主题 ↗02 条内容两阶段检测器:R-CNN
从候选区域到 RoI 对齐,拆解两阶段检测的提议与精定位流程。
进入主题 ↗03 条内容小目标专项策略
聚焦高分辨率切片、注意力表达与完整小目标检测实验。
进入主题 ↗01 条内容轻量化与本地部署
检查模型体量、计算量和 CPU 推理要求,形成可执行的部署清单。
进入主题 ↗02 条内容课程路径与数据说明
按学时选择路线,并区分合成教学输入与外部数据集参考。
进入主题 ↗精选实验
从具体内容进入
exp01 · 入门
Exp01 · 目标检测与小目标问题导论
先看目标占据多少像素,再理解尺寸、密度、背景与检测难度之间的关系。
查看内容 ↗exp02 · 基础Exp02 · 边界框与 IoU 家族
从坐标换算和框重叠出发,比较 IoU 及扩展度量对定位误差的响应。
查看内容 ↗exp03 · 进阶Exp03 · 锚框机制与标签分配
从目标框形状归纳锚框,再检查不同匹配规则如何分配正负样本。
查看内容 ↗exp04 · 进阶Exp04 · 评价指标从零实现
从 TP、FP 和排序规则手算 AP,再理解 mAP 与小目标指标的适用口径。
查看内容 ↗exp05 · 进阶Exp05 · YOLO 范式与网格解码
把网格位置、目标置信度和框参数连起来,理解一阶段预测的解码过程。
查看内容 ↗exp06 · 基础Exp06 · 数据增强与小目标增广
观察翻转、缩放、拼接等增强如何改变目标像素尺度和样本分布。
查看内容 ↗阅读路径
从一个主题开始,继续发现相关内容和资料。
内容按主题分开呈现;来源和公开状态由材料清单记录。