1樓：小小將
一般情況下常用的方法：
（1）通過資料增強類似SSD那樣增加訓練過程的小樣本資料；
（2）如果算力允許的話，那就可以提高輸入影象的解析度。
（3）根據資料集分布，適當地調整一下anchor的size。
2樓：克己
很重要的一點就是anchor的設定，可以將資料集分布繪製出來相應的設定anchor，漲點非常顯著。
另外還有像使用大些的解析度進行推理
有時候閾值可以稍微調低一些召回更多的anchor作為正樣本進行訓練資料增廣產生更多的小目標
3樓：鐵心核桃
我說3點吧：
（1）調整錨點大小，免得在區域建議生成的時候壓根就沒有生成小目標的區域建議，如果這樣後面再怎麼弄也無濟於事；
(2)多用淺層特徵，或者深淺融合，比如fpn等，畢竟你目標物小，一路池取樣到最後解析度太低什麼特徵都沒留下；
(3)給正樣本賦予更大的權重，我感覺小樣本在全圖上佔的面積和背景相比想必比較懸殊，正陽本本身就沒什麼「話語權」，如果還雨露均沾設定權重的話，勢必造成正陽本的梯度被負樣本梯度淹沒。
再剩下的就是多試，多試，多試...
自賣自誇一篇我寫的知文：
4樓：少時玩笑
將faster RCNN中RPN網路中的anchor的尺度設定的小一些，就能捕獲到原圖中更小的物體。可以提高小目標的檢測效果。
使用Faster RCNN時，背景區域會不會被訓練？
背景會被訓練，但只計算分類 loss，不計算回歸 loss。分類 loss 的計算與正樣本相同，都是交叉熵或 softmax loss。注意需要控制乙個 batch 中前景和背景的比例，目前流行的做法一般是前景 背景 1 3。沒有被標記相當於漏標，如果資料量很大，漏標量不多，對模型效能不會有特別大的...
有那些遊戲使用基於libgdx做的？
先是發現有乙個我經常玩的遊戲 Infinitode2 是用libgdx開發的，然後去官網看了之後發現很多我經常玩的也都是這個開發的，如 Slay the Spire,Mindustry,Unciv,shattered pixel dungeon等。比較令我意外的是Spine 就是那個做2d骨骼動畫的...
如何不基於webpack, 使用vue js構建大型應用
如果不使用webpack等任何模組打包方案，可以試試requirejs模組載入方案。requirejs有配套的載入css和html的外掛程式，將.css，html，js放在乙個資料夾內，可以模擬成.vue的單檔案元件。在requirejs的配置檔案中配置好所有的元件，以及vue，vue router...