论文阅读：Augmentation for small object detection

Copy-Paste

文章
  本文瞄准的是目标检测中小目标检测精度低的问题，作者认为是两个原因导致的：1.含有小物体的图片少；2.即使有的图片含有小物体，小物体出现得少。（个人感觉这和下面在COCO上的实验有点矛盾呀，COCO中小物体还是多呀？）首先我们看一下COCO中对物体尺寸的定义：

接着作者统计了下面的表格（Mask R-CNN）

可以看出COCO中小物体很多，但是包含小物体的图片少，同时小物体在RPN阶段匹配的anchor更少，而且即使匹配，IoU也很小，这是造成detector对小物体性能差的一个原因。
  作者提出两个简单的方法来对训练数据集增强从而缓解上面出现的问题，分别是Oversampling和CopyandPasting。Oversample是指在构造每个batch时，会对含小物体的图片重复采样，当然作者研究了不同的重采样率对性能的影响，也试验了对其他尺寸的物体进行重采样。CopyandPaste也很直接，由于COCO中含有每个物体的mask，因此可以将一个物体copy，然后paste到图片上的其它地方（当然可以旋转），从而增加单张图片上小物体的数目，需要注意的是paste物体时，文章也研究对物体边缘进行平滑的操作对性能的影响。

  文章的idea就是这样，接下来是很多比较不同配置（比如重采样率，粘贴数目等等）的实验，也比较solid。但本文的方法有个问题，对于没有mask的数据集咋办？直接对box进行copy-paste？还是先segmentation再copy-paste？后者会不会过于麻烦了。。