摘要
近年来，地球视觉中的目标检测取得了显著进展。然而，在航空影像中检测微小目标仍然是一个极具挑战性的问题，因为微小目标所包含的像素数量极少，极易与背景混淆。为推动航空影像中微小目标检测研究的发展，我们提出了一项新的数据集——航空影像微小目标检测数据集（AI-TOD）。该数据集包含28,036张航空影像，涵盖8个类别，共计700,621个目标实例。与现有的航空影像目标检测数据集相比，AI-TOD中目标的平均尺寸约为12.8像素，远小于其他数据集中的目标尺寸。为建立航空影像微小目标检测的基准评测体系，我们在AI-TOD数据集上对当前最先进的目标检测方法进行了评估。实验结果表明，直接将这些方法应用于AI-TOD数据集时，检测性能表现欠佳，说明亟需设计专门针对微小目标检测的新一代检测器。为此，我们提出了一种基于多中心点学习的网络结构（M-CenterNet），以提升微小目标的定位精度。实验结果表明，该方法在性能上显著优于现有同类方法。