想象一个场景：你们学校拍了一张 8000×6000 的千人大合影，打印出来能贴满整面墙。你的任务是找出照片里所有戴小红帽的人——可他们的帽子在这堵墙上只有指甲盖那么大。直接盯着整面墙看，眼睛很快就花了，帽子仿佛溶进了背景里。这就是目标检测算法面对“小目标”时的真实处境：目标明明就在画面里，却因为太小，特征被背景淹没，最终被漏掉。好在这道难题有解法。工程师们像经验丰富的侦探一样，总结出一套“看清小目标”的策略：把墙面裁成小块凑近了看（切图推理）；用修图 App 放大模糊区域（超分辨率增强）；平时多收集小红帽的小图来练眼力（数据增强）；用和帽子差不多大的取景框辅助扫描（Anchor 设计）；最后把几招组合成一条流水线（多策略组合）。今天这篇文章，就用这个“找小红帽”的故事，把这套策略彻底讲清楚。

岗位关联

小目标检测是安防监控、遥感测绘、自动驾驶等场景的刚需技能。掌握这套策略组合，你就能在实际项目中把检测器的召回率从“凑合”提升到“可用”，这是 CV 工程师的核心竞争力之一。

目录
  1. 可视化演示
  2. 小目标难点：为什么小红帽这么难找
  3. 切图推理：把大画裁成小块看
  4. 超分增强：给照片装上放大镜
  5. 数据增强：给训练集补小目标样本
  6. Anchor 设计：按真实目标定制取景框
  7. 多策略组合：全家桶才是最强方案
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

小目标难点：为什么小红帽这么难找

新手侦探拿到那幅贴满整面墙的千人大合影，第一反应是站到三米外，双手叉腰，眯起眼睛扫视整面墙。几分钟后他就放弃了——墙上一张张脸都是模糊的色块，要找的小红帽更是只有绿豆大。人眼如此，目标检测算法也一样：当目标的像素少得可怜时，再聪明的模型也“看不清”。

在目标检测里，小目标通常指面积小于 32×32 像素的目标。一张 8000×6000 的大图里，这样的小目标只占整张图的十万分之几。检测器的骨干网络为了提取全局特征，会把图片一层层下采样（把多个像素合并成一个特征点），小目标经过几层之后，可能只剩一两个特征点，信息几乎“蒸发”。

业界沿用 COCO 数据集的定义来判断小目标：目标面积小于 32×32 即 1024 像素就算小目标。小目标的三个难题由此而来：特征稀少，能用来判别的纹理和边缘太少；占比极低，容易与背景混淆；在下采样过程中快速丢失，深层特征图里根本没有它的立足之地。

所以小红帽难找，不是侦探眼力差，而是目标在“缩小”的过程中把信息弄丢了。明白了这个物理瓶颈，接下来的每一招，本质上都是在和信息丢失作斗争。

Npixels=w×h<32×32=1024\displaystyle N_{\text{pixels}} = w \times h < 32 \times 32 = 1024
这个公式是说：把目标的宽 w 和高 h 相乘得到像素面积，只要面积小于 1024，它就是需要特殊关照的“小目标”。
  1. 目标宽高w 和 h 分别代表目标在图像中的宽和高，单位是单个像素，它们决定了目标在画面上占多大地方。
    w, hw,\ h
  2. 像素面积把宽和高相乘，得到目标占用的总像素数，这就是衡量目标“大小”的核心依据。
    w×hw \times h
  3. 小目标阈值业界常用的 COCO 数据集规定，面积小于 32×32=1024 的目标属于小目标，需要额外策略。
    32×32=102432 \times 32 = 1024

切图推理：把大画裁成小块看

老侦探拿出一把美工刀，把墙面平均切成九块，每块大约一米见方。他凑到每一块面前仔细看，但在下刀之前，他特意让相邻两块之间重叠了半拃宽——如果不重叠，帽子正好骑在切缝上，就会被切成两半，谁也认不出来。

切图推理（Tiling Inference）做的正是这件事：把大图分割成互相重叠的子图，分别送入检测器，再把检测结果合并回原图坐标。重叠区域是精髓所在，它保证每个目标至少完整出现在一个子图里。合并时，同一个目标可能出现在多个子图中，需要按 IoU 去重，通常使用 NMS（非极大值抑制）完成。

切图为什么能提升小目标效果？因为子图不再经历“为了看全局而拼命缩小”的过程，目标在子图里保持原始分辨率，特征信息被完整保留。代价也很直接：子图数量多，推理次数成倍增加，所以子图尺寸和重叠比例需要按精度与速度要求折中。

一块一块凑近看，每一块都足够清晰；那些骑在裁缝线上的帽子，也因为重叠而幸免于难。切图是“用空间换清晰”的朴素而有效的第一招。

n=⌈W−ww−o⌉+1\displaystyle n = \left\lceil \frac{W - w}{w - o} \right\rceil + 1
这个公式算的是：把宽度为 W 的大图切成宽为 w 的子图、相邻子图重叠 o 像素时，一个方向上需要切的块数。
  1. 原图与子图宽度整张大图宽为 W 像素，每块子图宽为 w 像素，子图在保证清晰的前提下尽量小。
    W, wW,\ w
  2. 重叠区域相邻子图共享 o 像素宽的重叠部分，目的是防止目标正好被切缝分成两半。
    o (o<w)o \ (o < w)
  3. 切片数量每次向右滑动 w-o 像素，能放下的子图数向上取整，再加 1 就是这一边需要的切片数。
    n=⌈W−ww−o⌉+1n = \left\lceil \frac{W - w}{w - o} \right\rceil + 1

超分增强：给照片装上放大镜

有一块区域让侦探犯了难：隐约有个红色影子，但模糊得像一团雾，怎么也看不清是不是帽子。他掏出手机，对准那块区域拍了一张特写，然后打开修图 App 里的“超分修复”功能。几秒钟后，模糊的色块变成了清晰的帽檐和帽顶轮廓。

超分辨率增强（Super-Resolution）的思路一模一样：训练一个模型 F，学习从低分辨率图像 I_LR 恢复高分辨率图像 I_HR 的映射。在检测之前，先对小目标区域做超分放大 r 倍，让输入检测器的目标拥有更多的有效像素，相当于在检测前先“加深照片细节”。

超分模型通常用成对的低分/高分图像训练，采用像素级重建损失，让生成的图像尽量接近真实高分辨率图。但必须清醒：超分不是无中生有，它只能还原模型在训练中学过的细节模式。如果原图信息已经耗尽，放大的只是模糊本身。因此超分计算量大、增益不稳定，实践中常只对可疑小区域局部使用。

修图 App 不是魔法。它把小红帽补成“它见过的最像帽子的样子”，如果照片里真的什么都没有，它也只能画出一块模糊的红色。超分是锦上添花，不是雪中送炭。

IHR=F(ILR),WHR=r×WLR\displaystyle I_{\text{HR}} = \mathcal{F}(I_{\text{LR}}), \qquad W_{\text{HR}} = r \times W_{\text{LR}}
这个公式说明：超分模型的本质是学习一个映射函数 F，把低分辨率图变成高分辨率图，宽和高各放大 r 倍。
  1. 低分辨率输入I_LR 是包含小目标的原始低分辨率图像，目标细节已经模糊不清。
    ILRI_{\text{LR}}
  2. 超分映射超分模型 F 学习低分辨率到高分辨率的映射关系，把模糊细节“还原”出来。
    IHR=F(ILR)I_{\text{HR}} = \mathcal{F}(I_{\text{LR}})
  3. 放大倍数输出高分辨率图的宽是输入图的 r 倍，总像素量变成原来的 r² 倍，目标随之变大变清晰。
    WHR=r×WLRW_{\text{HR}} = r \times W_{\text{LR}}

数据增强：给训练集补小目标样本

连着找了三天，侦探发现自己对小红帽的“眼力”越来越差。原因很简单：他平时只看这一张合影，合影里小红帽就那么几个。于是他改变了训练方式——找来几十张不同场景的照片，把里面的小红帽裁剪出来，再贴到新照片的栏杆上、草丛里、人群中，反复看、反复认。

检测模型也有同样的“经验不足”问题。数据集中小目标样本天然稀缺：大目标离得近、占画面大、好标注；小目标远而小，出现频率低、标注成本高。复制粘贴增强（Copy-Paste Augmentation）把小目标实例裁剪出来，在图像中寻找合适位置粘贴，同时生成对应的标注框，让一个实例变成多个样本，几乎不增加标注成本。

增强后的小目标样本量可以用公式估算：新增样本等于粘贴次数乘以小目标实例数。但有两条红线：第一，粘贴位置要语义合理，不能把船贴到天上；第二，遮挡比例要低，否则被遮挡的目标反而成了难学的负样本。

练眼力不能只盯着一张照片看。把小红帽贴进各种合理却又陌生的场景，反复叮嘱检测器“任何位置出现的帽子都算数”，它才会真正记住小目标的样子。

N′=N+K×Nsmall\displaystyle N' = N + K \times N_{\text{small}}
这个公式表示：增强后的小目标样本总数 N' 等于原有样本数 N 加上每个小目标实例被粘贴 K 次带来的新增数量。
  1. 原始样本数N 是训练集中原有的小目标实例框数量，通常远少于大目标。
    NN
  2. 粘贴实例与次数N_small 是被裁剪出来的小目标实例数，K 是每个实例额外粘贴到新位置的次数。
    Nsmall, KN_{\text{small}},\ K
  3. 增强后总量把原有样本和新增样本相加，得到增强后的小目标样本数，样本均衡问题随之缓解。
    N′=N+K×NsmallN' = N + K \times N_{\text{small}}

Anchor 设计：按真实目标定制取景框

侦查进入收尾阶段，侦探发现自己的眼睛虽然够了，但“框”不够用。他用大拇指和食指比划取景框，比划出来的框总是太大，一下框住好几个人，判断不了到底谁戴了帽子。于是他从口袋里掏出一叠卡片——有指甲盖大的小方框、有小竖框、有小横框——专门用和帽子差不多大的框去套候选区域。

检测器里的 Anchor（锚框）就是这叠卡片。检测器预测目标时，不是在图上凭空画框，而是以预设的 Anchor 为起点做微调回归。小目标需要小尺寸的 Anchor；如果预设框全是适合大目标的尺寸，小目标的候选框从起点就“偏了”——好比拿脸盆去套硬币，永远套不准。

Anchor 尺寸不能拍脑袋。经典做法是拿训练集所有真实框做 K-Means 聚类，距离度量用 1-IoU：两个框越相似，IoU 越大，距离越小。聚类得到的 k 组宽高，就是最贴合数据分布的 Anchor 集合。此外，Anchor 太小会导致正样本少、训练不稳定，需要配合合理的正样本分配策略（如 IoU 阈值匹配）。

取景框太大盖过目标，太小又只框住背景。真正的答案不在侦探手里，而在“数据”手里——把小红帽的尺寸统计出来，框自然就合适了。这就是 Anchor 设计与数学统计的默契配合。

d=1−IoU(a,b)\displaystyle d = 1 - \text{IoU}(a, b)
这个公式定义了 Anchor 聚类的“距离”：两个框的重叠程度越高，IoU 越接近 1，距离越接近 0，表示它们越相似。
  1. 锚框宽高a 和 b 分别代表两个框的宽高集合，检测器以 Anchor 为起点做位置和尺寸的回归修正。
    a, ba,\ b
  2. 交并比IoU 衡量两个框的重叠程度，等于交集面积除以并集面积，取值范围在 0 到 1 之间。
    IoU(a,b)=∣a∩b∣∣a∪b∣\text{IoU}(a, b) = \frac{|a \cap b|}{|a \cup b|}
  3. 聚类距离用 1 减去 IoU 作为 K-Means 的距离，距离越小代表 Anchor 越接近真实目标的形状。
    d=1−IoU(a,b)d = 1 - \text{IoU}(a, b)

多策略组合：全家桶才是最强方案

最后一晚，侦探把四件工具全部铺在桌上，排成一条流水线：先切图逐块扫描全墙；遇到模糊的红色影子，用超分 App 放大复检；扫描时手里捏着统计出来的帽子尺寸取景框；而支撑这一切的，是过去几天用复制粘贴法练出来的敏锐眼力。天亮之前，所有小红帽都被找到了。

实践中的小目标检测也是如此：数据增强和 Anchor 设计在训练阶段生效，让模型“学得更准”；切图和超分在推理阶段生效，让检测器“看得更清”。四者分工互补，组合效果显著优于任何单一策略——这正是“数据决定上限，策略逼近下限”的体现。

但组合不是无脑堆叠。切图让推理次数成倍增加，超分又叠加一层计算开销，因此工程上常用“先粗筛、后精查”的流程：先用低成本的整图检测，只对置信度低的区域做切图与超分复检；最终用 F1 分数综合评估精确率与召回率。

没有一招制敌的银子弹。成熟的方案是让每种策略在最需要它的位置上各司其职，像一条装配线一样协作。找到所有小红帽的，不是某一件工具，而是工具的组合。

F1=2×P×RP+R\displaystyle F_1 = \frac{2 \times P \times R}{P + R}
这个公式把精确率 P 和召回率 R 调和平均成一个分数，F1 越高，说明检测器既找得准又找得全。
  1. 精确率 P预测为正例的框中，真正是小目标的比例，衡量“框出来的东西对不对”。
    P=TPTP+FPP = \frac{TP}{TP + FP}
  2. 召回率 R所有真实小目标中，被成功找到的比例，衡量“该找的有没有漏掉”。
    R=TPTP+FNR = \frac{TP}{TP + FN}
  3. 调和平均用 2PR/(P+R) 综合两者，任何一个偏低都会拉低 F1，防止只追求单方面指标。
    F1=2×P×RP+RF_1 = \frac{2 \times P \times R}{P + R}

AI 应用场景

遥感与无人机巡检

阶段：推理阶段（切图推理 + 超分复检）

解决的问题：无人机航拍一张照片覆盖数平方公里，目标（车辆、违法建筑、病虫害植株）往往只有几十像素，整图直接检测漏检严重。切图推理把大图切成带重叠的瓦片，避免小目标因下采样丢失；超分再对可疑低置信区域做放大复检。

具体案例：农业无人机对 5000 亩麦田巡飞，将航拍图按 640×640 大小、30% 重叠切块检测锈病植株，对置信度低的小块做超分复检，漏检率从 35% 降到 12%。

自动驾驶感知

阶段：数据准备与训练阶段（复制粘贴增强 + Anchor 设计），推理阶段（多策略组合）

解决的问题：远处行人和小交通标志是事故高发诱因，但实车采集的远距离小目标样本稀少且类别不均衡。复制粘贴增强把标注好的行人贴进不同路况，K-Means 统计远目标尺寸设计小 Anchor，让模型在训练时“见过足够多的小人”。

具体案例：某智能驾驶团队在训练集中把行人小目标复制粘贴到城市、高速、夜间三类场景，小目标样本量提升 3 倍，远距离行人召回率提升 11 个百分点。

工业质检

阶段：全流程（数据增强 + 切图 + 小 Anchor）

解决的问题：PCB 板上的微小焊点缺陷、布匹上的断纱只有几个像素，且良品率极高导致缺陷样本稀缺。先复制粘贴扩充缺陷样本，推理时对高分辨率大图切图保持细节，并用小 Anchor 提升定位精度。

具体案例：某面板厂用 8K 线扫相机检测 1cm² 内的微划痕，切图 + 增强 + 小 Anchor 组合后，缺陷召回率从 71% 提升到 93%，过检率基本不变。

Python 演示

python107 行
import math  def make_image(H, W, objects):    """生成一张灰度图, objects 为 (中心x, 中心y, 半径) 的亮斑列表."""    img = [[0] * W for _ in range(H)]    for (cx, cy, r) in objects:        for y in range(max(0, cy - r), min(H, cy + r + 1)):            for x in range(max(0, cx - r), min(W, cx + r + 1)):                if (x - cx) ** 2 + (y - cy) ** 2 <= r * r:                    img[y][x] = 255    return img  def downsample(img, k):    """把图像缩小 k 倍, 模拟骨干网络的下采样."""    H, W = len(img), len(img[0])    out = []    for y in range(0, H - k + 1, k):        row = []        for x in range(0, W - k + 1, k):            mean = sum(img[y + i][x + j] for i in range(k) for j in range(k)) // (k * k)            row.append(255 if mean > 180 else 0)        out.append(row)    return out  def detect(img):    """玩具检测器: 每个亮像素扩展成 3x3 候选框."""    boxes = []    h, w = len(img), len(img[0])    for y in range(h):        for x in range(w):            if img[y][x] >= 200:                boxes.append([max(0, x - 1), max(0, y - 1),                              min(w - 1, x + 1), min(h - 1, y + 1), 1.0])    return boxes  def iou(a, b):    """计算两个框的交并比."""    x1, y1 = max(a[0], b[0]), max(a[1], b[1])    x2, y2 = min(a[2], b[2]), min(a[3], b[3])    inter = max(0, x2 - x1 + 1) * max(0, y2 - y1 + 1)    area_a = (a[2] - a[0] + 1) * (a[3] - a[1] + 1)    area_b = (b[2] - b[0] + 1) * (b[3] - b[1] + 1)    union = area_a + area_b - inter    return inter / union if union > 0 else 0.0  def nms(boxes, thr=0.4):    """非极大值抑制: 去掉与高得分框重叠过多的重复框."""    boxes = sorted(boxes, key=lambda b: b[4], reverse=True)    keep = []    while boxes:        best = boxes.pop(0)        keep.append(best)        boxes = [b for b in boxes if iou(best, b) < thr]    return keep  def scale_boxes(boxes, k):    """把下采样空间的框坐标映射回原图."""    return [[b[0] * k, b[1] * k, b[2] * k + k - 1, b[3] * k + k - 1, b[4]] for b in boxes]  def tile_detect(img, tile=64, overlap=16):    """切图推理: 重叠切片检测后坐标映射回原图并合并."""    H, W = len(img), len(img[0])    step = tile - overlap    merged = []    for y0 in range(0, H - tile + 1, step):        for x0 in range(0, W - tile + 1, step):            patch = [row[x0:x0 + tile] for row in img[y0:y0 + tile]]            for (x1, y1, x2, y2, s) in detect(patch):                merged.append([x1 + x0, y1 + y0, x2 + x0, y2 + y0, s])    return nms(merged)  def recall_at(boxes, objects):    """统计检测框中心与真实目标中心重合的比例."""    hits = 0    for (cx, cy, _) in objects:        ok = False        for b in boxes:            bcx = (b[0] + b[2]) // 2            bcy = (b[1] + b[3]) // 2            if abs(bcx - cx) <= 4 and abs(bcy - cy) <= 4:                ok = True        if ok:            hits += 1    return hits / len(objects)  def main():    H, W = 128, 128    objects = [(20, 20, 10), (70, 45, 2), (100, 100, 3), (50, 92, 2)]    img = make_image(H, W, objects)    k = 4    full = scale_boxes(nms(detect(downsample(img, k))), k)    tiled = tile_detect(img, 64, 16)    print("整图下采样检测召回率: %.2f" % recall_at(full, objects))    print("切图推理检测召回率: %.2f" % recall_at(tiled, objects))  if __name__ == "__main__":    main()
目的：用纯 Python 模拟“整图下采样检测”与“切图推理”两条路线，直观对比小目标召回率，验证切图策略能保住被下采样“蒸发”掉的小目标。
  1. def make_image(H, W, objects):生成一张带小目标亮斑的灰度图，半径越小目标越小。
  2. row.append(255 if mean > 180 else 0)模拟下采样把小目标的亮度平均掉，小目标因此消失。
  3. boxes.append([max(0, x - 1), max(0, y - 1),把每个亮像素扩展成 3×3 候选框，模拟检测头。
  4. return inter / union if union > 0 else 0.0计算两个候选框的重叠程度 IoU，用于去重。
  5. boxes = [b for b in boxes if iou(best, b) < thr]NMS 抑制重复框，一个目标只留一个框。
  6. merged.append([x1 + x0, y1 + y0, x2 + x0, y2 + y0, s])子图坐标映射回原图，是切图合并的关键一步。
  7. print("整图下采样检测召回率: %.2f" % recall_at(full, objects))输出两种路线的召回率对比结果。

常见误区

误区小目标看不清，直接用超分辨率把整张图放大两倍再检测不就行了？放大之后目标变大了，应该就能检测到了吧。

正解超分不能凭空创造信息。模型只是学习“低分到高分”的映射，把细节从模糊中“还原”出来；如果原图小目标已经只剩几个像素，超分放大只会把马赛克放大，还白白增加计算量。超分更合理的用法是只对可疑小区域做，并和切图配合。

为何常见：人眼放大照片时确实看得更清，因为原照片本来就有细节；而模型对信息缺失的图片做放大时，没有新信息可用。

误区切图时重叠区域越大，越不容易切到目标，那就让相邻子图尽量多重叠，把重叠设到子图的一半以上。

正解重叠越大，同一目标出现在更多子图里，推理次数和合并去重的负担成倍增长；而且目标被切碎成两半时，即使有重叠，两半的分辨率都会下降。实践中重叠取子图边长的 10%-30% 即可。

为何常见：只看到“避免目标被切断”的一面，没有权衡计算开销和合并复杂度。

误区现在的检测器都有 FPN 特征金字塔，小目标统一交给高层特征处理就行，不用专门设计策略。

正解FPN 缓解了小目标特征不足的问题，但受限于下采样步长，32×32 以下的目标在深层特征中仍可能只有一两个特征点。FPN 是“地基”，切图、超分、数据增强是在地基上继续加码，组合才有效。

为何常见：把“缓解”误当成“解决”，低估了小目标信息的物理瓶颈。

误区数据增强嘛，把小目标裁剪出来，随机粘贴到画面任意位置就行，贴得越多样本越丰富。

正解随意粘贴会破坏场景语义，比如把船贴到天上、把红绿灯贴到农田里。检测器会学到“位置和上下文”的错位关联，导致真实场景中误检。粘贴位置应尽量合理，并避开严重遮挡。

为何常见：只关注样本数量，忽略了数据分布的真实性，以为“多”就一定“好”。

面试题

Q1. 在 COCO 数据集中，目标面积小于哪个值会被划分为「小目标」？

单选题 · easy

  • A.16×16 即 256 像素
  • B.32×32 即 1024 像素← 正确答案
  • C.64×64 即 4096 像素
  • D.128×128 即 1.6 万像素

答案：B。像“找小红帽”一样，COCO 把面积小于 32×32=1024 像素的目标称为小目标。A 过小，C、D 过大，都不符合业界通行定义。

Q2. 切图推理时相邻子图为什么要保留重叠区域？

单选题 · easy

  • A.减少总计算量
  • B.防止目标被切缝切断← 正确答案
  • C.让图片分辨率更高
  • D.方便标注数据

答案：B。小红帽如果恰好站在拼接缝上，会被切成两半，两个子图各剩半顶帽子，都检测不出来。重叠让目标完整出现在至少一个子图中。重叠实际上增加计算量，A 反了；C、D 与切图无关。

Q3. K-Means 聚类设计 Anchor 尺寸时，常用什么作为距离度量？

单选题 · mid

  • A.欧氏距离
  • B.曼哈顿距离
  • C.1 减去 IoU← 正确答案
  • D.余弦距离

答案：C。Anchor 的“相似”要看框与框的交叠程度，用 1-IoU 当距离，越相似的框距离越近。欧氏距离会把大框和小框混为一谈，不符合“框定目标”的语义。

Q4. 小目标经过骨干网络多次下采样后容易漏检的根本原因是？

单选题 · mid

  • A.计算量突然增大
  • B.特征被压缩到极少像素← 正确答案
  • C.图片颜色太单调
  • D.目标移动速度太快

答案：B。下采样如同把合影缩小，小红帽的像素被不断合并，最后可能只剩一两个特征点，检测器“无米下锅”。A、C、D 都不是小目标特有的物理瓶颈。

Q5. 复制粘贴增强小目标样本时，最关键的一条注意事项是？

单选题 · mid

  • A.粘贴位置要语义合理← 正确答案
  • B.粘贴次数越多越好
  • C.只增强大目标
  • D.粘贴后无需标注

答案：A。把船贴到天上会误导检测器建立错误的位置-类别关联。粘贴位置合理、遮挡适度，同时必须同步生成标注框，才是有益的增强。

Q6. 关于超分辨率增强，下列说法正确的是？

单选题 · mid

  • A.能从模糊中凭空创造新信息
  • B.只能还原模型学过的细节模式← 正确答案
  • C.对任意小目标都稳定有效
  • D.完全替代切图推理

答案：B。超分像修图 App，它把“最像帽子的样子”补出来，但无法无中生有。信息太少的区域放大后可能仍是马赛克，因此通常只作为辅助策略，不能替代切图。

Q7. 原图 1000×1000，子图 500×500，子图间重叠 100 像素，至少需要多少个子图？

单选题 · hard

  • A.4 个
  • B.6 个
  • C.9 个← 正确答案
  • D.12 个

答案：C。每个方向滑动步长为 500-100=400 像素，按公式 n=⌈(1000-500)/400⌉+1=3，两个方向 3×3=9 个。这题考察对切图数量公式的理解。

Q8. 以下哪些属于常见的小目标检测策略？

多选题 · easy

  • A.切图推理← 正确答案
  • B.超分辨率增强← 正确答案
  • C.复制粘贴增强← 正确答案
  • D.缩小输入图像

答案：ABC。切图、超分、复制粘贴分别对应“分块看、放大看、多练眼力”三条路线。缩小输入图像会让目标更小，方向完全反了。

Q9. 关于切图推理合并结果，下列说法正确的有？

多选题 · mid

  • A.子图检测框需映射回原图坐标← 正确答案
  • B.重叠区的同一目标需要去重← 正确答案
  • C.检测结果可以直接累加不用管
  • D.常用 NMS 或者 IoU 去重← 正确答案

答案：ABD。子图坐标要加上偏移量映射回原图；同一目标在多个子图中会出现多次，必须用 NMS 去重；直接累加会造成大量重复框，C 说法错误。

Q10. 关于多策略组合的正确理解有哪些？

多选题 · hard

  • A.策略越多效果必然越好
  • B.需权衡精度与推理开销← 正确答案
  • C.可训练推理阶段分工配合← 正确答案
  • D.所有场景都用同一套组合

答案：BC。切图和超分增加推理计算量，组合时必须权衡精度与速度；数据增强和 Anchor 设计在训练阶段生效，属于推理前的“准备功夫”。策略组合要按场景配置，A、D 都过于绝对。