计算机应用研究

作者：张琴,郭为安,

单位：1.福州职业技术学院信息工程学院,福州350108；2.同济大学中德工程学院,上海201804；

关键词：小目标检测,多尺度特征融合,注意力机制,样本均衡,轻量级网络,鲁棒性,

基金：国家自然科学基金资助项目(62273263,72171172,71771176,92367101)；上海市自然科学基金资助项目(23ZR1465400)；福建省中青年教师教育科研项目(JAT220652)；福州职业技术学院校级科研计划资助项目(FZYKJJHZD202401)；福州职业技术学院引导计划资助项目(FZYKJZXYD202201)；；

小目标检测是目标检测领域的重要分支，在智能监控、无人驾驶、医学影像分析和遥感监测等实际应用中具有重要价值，然而，由于小目标像素占比小、特征表达弱、背景复杂，以及检测精度与速度难以平衡，其技术挑战仍然突出。在广泛文献调研的基础上，梳理了小目标检测的技术挑战与解决方案，分析了特征表达不足、上下文信息利用不充分、样本不平衡等核心问题，总结了多尺度特征融合、注意力机制、知识蒸馏等关键技术进展。基于MS COCO和TinyPerson数据集，对主流算法的检测效率与精度进行对比，揭示了不同方法的优劣，并探讨了生成式特征学习、自监督学习、动态架构设计等未来研究方向，为小目标检测技术发展提供参考。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期