A comprehensive survey on small object detection

Abstract

The advancement in artificial intelligence and computer vision facilitates object detection for computer-based systems. Object detection is used in a wide spectrum of applications such as face detection, enforcement application, robotic vision, autonomous cars, etc. The studies on object detection aim to improve feature extraction from images and improve the classification and localization of objects in an image. The traditional methods achieve object detection via hand-crafted features or filters with prediction algorithms. After the improvement of convolutional neural networks and stronger processing units such as GPU, the features extracted in a way of that which features are important to predict object information more precisely. The huge datasets and deeper networks are used to increase accuracy in object detection but every system has some drawbacks. One of the drawbacks of object detection has the difficulty to detect small objects in images. Many types of research were conducted on the reasons for the challenge in small object detection and important approaches are developed the solve this problem. In our thesis, we explain the drawbacks and solutions in the light of prominent studies comprehensively. Also, we discuss the methodology of solutions and compare them in terms of accuracy and efficiency.

Yapay zeka ve bilgisayarlı görü sistemlerindeki gelişmeler nesne tanıma teknolojisini bilgisyarlı sistemler için kolaylaştırmaktadır. Nesne tanıma teknolojisi yüz tanıma, güvenlik sistemlerinde, robotik sistemlerde, sürücüsüz arabalarda ve benzeri sistemlerde kapsamlı bir şekilde kullanılmaktadır. Nesne tanıma teknolojisi üzerinde yapılan çalışmalar görüntülerden nesneyi tanımlayan özelliklerin toplamasını geliştirerek, nesnelerin sınıflandırmasını ve görüntedeki yerlerinin belirlenmesinin doğruluğunu artırmayı hedeflemektedir. Geleneksel metotlar manuel olarak belirlenen tanımlayıcı özellikler ve filtrelemeler ile nesneleri tespit algoritmaları ile bulmaktadır. Grafik işleme üniteleri ile evrişimli sinirsel ağların gelişiminde sonra, nesneyi tanımlayan özelliklerin çıkartılması hangi özelliklerin daha önemli olduğunun algoritma tarafından otomatik bir biçimde öğrenilmesiyle nesne tespiti sistemlerinin başarım oranı artmıştır. Büyük veri kümeleri ve derin öğrenme ağları ile nesne tanımanın başarı oranı artmakta ama buna rağmen bu sistemlerin nesne tanıma üzerinde eksikleri bulunmaktadır. Bu eksiklerde bir tanesi küçük sayılan nesnelerin bulunmasındaki zorluktur. Bu zorluğa sebep olan nedenlerin tespiti ve bunlara karşılık gelebilecek çözümler üzerine bir çok araştırma yapılmaktadır. Bu çalışmamızda küçük sayılan objelerin tespitini zorlaştıran etmenleri ve bunlara uygun çözümleri bugüne kadar yapılan önemli çalışmalar üzerinden detatylı bir şekilde sunacağız. Bu çalışmalardaki kullanılan çözümlerin metodolojisi ve birbirlerine göre mukayesesini de boşarım oranı ve verimliliği üzerinden yorumlayacağız.