YoloV8改进策略：NWD小目标检测新范式，助力YoloV5、V8在小目标上暴力涨点

摘要

检测微小物体是一个极具挑战性的问题，因为微小物体只包含几个像素大小。由于缺乏外观信息，最先进的目标检测器在微小物体上无法产生令人满意的结果。由于，IoU（交并比）等基于IoU的指标及其扩展对微小物体的位置偏差非常敏感，并且在基于锚点的检测器中使用时，会急剧恶化检测性能。为了缓解这个问题，作者提出了一种用于微小物体检测的新评估指标，即使用Wasserstein距离。首先将边界框建模为2D高斯分布，然后提出了一种名为归一化Wasserstein距离（NWD）的新度量方法，通过相应的高斯分布来计算它们的相似性。所提出的NWD度量可以很容易地嵌入到任何基于锚点的检测器的分配、非最大抑制和损失函数中，以取代常用的IoU度量。作者在一个新的微小物体检测（AI-TOD）数据集上评估了NWD，其中平均目标大小比现有的目标检测数据集要小得多。实验表明࿰