本部分主要節選自 《Augmentation for small object detection》。
針對目標檢測中的小目標問題，主要有以下幾種解決方法：
（1） 增加輸入圖片分辨率 [1,2]
（2） 混合多尺度特徵 [3,4,5,6]
（3） 用 GAN 來區分大物體/小物體特徵，然後對小物體特徵轉化爲更精細的特徵以此加強小目標的檢測 [7]
（4） 檢測小物體時增加上下文信息 [8,9,10,11]
（5） 對包含小物體的圖片過採樣+單張圖片中多複製粘貼幾份小物體 [12]
後面均是使用相關方法的參考文獻，這裏給出它們的名字，有興趣的讀者可以自行搜索，拓展閱讀。
相關文獻：
[1] 3d object proposals for accurate object class detection.
[2] Ssd: Single shot multibox detector.
[3] Inside-outside net: Detecting objects in context with skip pooling and recurrent neural networks.
[4] Feature-fused ssd: fast detection for small objects.
[5] Cnn-based small object detection and visualization with feature activation mapping.
[6] Exploit all the layers: Fast and accurate cnn object detector with scale dependent pooling and cascaded rejection classifiers.
[7] Perceptual generative adversarial networks for small object detection.
[8] R-cnn for small object detection.
[9] Loco: Local context based faster r-cnn for small traffic sign detection.
[10] Finding tiny faces.
[11] Small object detection in optical remote sensing images via modified faster r-cnn.
[12] Augmentation for small object detection