【SOD】如何提高目标检测模型在小目标检测任务（SOD）上的性能

下面给你一份小目标检测提效清单（从“性价比最高的改动”到“进阶/研究向”）。按优先级逐步做，通常能明显拉升 AP_S / Recall_small。

快速见效（一般不改模型结构）

1. 更高输入分辨率

   • 小目标像素更大→可分辨性提升。
   • 代价：显存/延迟上升。若受限，可只对含小目标的图做裁切/切片推理（见 SAHI 思路）。

2. 多尺度训练 + 多尺度/软TTA推理

   • 训练时随机缩放；推理时做1–2个尺度并合并NMS。
   • 注意总时延；在线业务可只保留最收益的1个附加尺度。

3. NMS 调参

   • 小目标易被大目标抑制：

     • 试 Soft‑NMS 或 Cluster‑NMS。
     • 适当提高score阈值、降低IoU阈值（具体要在验证集网格搜索）。

4. 数据增广更“利小”

   • Copy‑Paste/Instance‑Mix：把小目标抠出来贴到多背景上，提升长尾频次。
   • Mosaic/MixUp：保留小目标清晰度，避免过度压缩。
   • 随机裁剪：确保小目标经常被放大到可学