深度学习目标检测的小论文创新点

数据集预处理创新

• 主要包括图像增强、图像去雾、图像融合和图像降噪
  • 例子: 比如在研究方向是检测晚上或者天气不好时骑电动车的人是否佩戴了安全头盔。一般的检测可能只能检测到正常天气情况下的骑电动车的人，而对于大雾天气和晚上这种的极端情况下可能检测效果不好。那时可以在图像去雾方面的创新。可以在已有的图像增强算法上进行相关的图像去雾算法的改进，得到更好去雾效果的图像，然后训练模型。然后发现在大雾天气的情况下骑电动车的检测效果也会更好，那创新点就是在预处理方面的创新。

目标检测网络创新

• 提高目标检测网络性能的检测精度
• 对目标检测网络架构进行轻量化处理
• 将其他模型上的改进点（创新点）进行网络迁移
  • 例子: 把别人在人脸yolov3上面的改进，拿它改进到yolov5上面进行改进实验。如果发现改进后的目标检测网络性能上去了，那就是说这些改进是有效的，那就是一个创新点。
• 创新思路
  • 除了在提升检测精度和模型轻量化的方向之外，也可以选择在目标检测网络鲁棒性方面进行改进，因为可能会发现别人所做的检测精度在自己的数据上普遍的很高了，而鲁棒性不太高。例如：你的数据可能普遍分辨率不高，那么可以在分辨率对目标检测网络的鲁棒性方面入手，在现有模型上改进，然后做实验，把创新点罗列上去，并且找到创新点在你数据集上有效的原因。这样你的创新点就是在鲁棒性方面的创新。

创新点的排列组合

• 把别人做的某些创新点组合起来在你的目标检测网络中进行实验。如果发现现有的目标检测网络的鲁棒性上去了，那就可以证明改进后的目标检测网络的创新点是有效的。