目標檢測中，如何處理目標的大小變化？

我的回答是:

想成為什麼樣的人，達到一個什麼樣的目標！首先假設你就是那樣的人，已經達到了哪個目標！再把這種思維活在自己身上。這就是叫做目標的大小變化。成功是有目標鋪成的，大目標由小目標構成功的，小目標比大目標有用，大目標比沒目標有用，沒有目標就不會有成功，完成了一個小目標，就離成功更近了一步！

目標一定要具體詳細，這樣才好落實在實際的生活中。大目標是方向，具體的小目標是階梯，只要一步步搭起階梯就能實現目標。

打個比方:你三年內要買房，這是要實現的大目標，那小目標肯定不是說每年存個多少錢，小目標要落實到每一天，當把刻意形成習慣，目標實現也就不會特別難。每個人都有惰性，目標太大太籠統不容易堅持下去，所以我認為一定要逐步分解大目標到不能再分解為止。

首先，一個有理想的人必須得確立一個長遠的目標，因為目標是你的明燈，是你的動力，是你理想的化身。然後竭盡全力去實現！

可行的目標是可以細化到可執行的每一個小目標！如何處理目標的大小，可以參考以下幾條：

1、確立一個長遠的目標；

2、分析目標的可行性與可發現性；可從當下國情與相關的趨勢去分析；

3、然後把你確立的目標細化，細化到每一個可執行的小目標，切忌急於求成，好高騖遠。如果你的目標不能細化到每一個可執行的小目標，你的長遠目標一定不可行！

4、循序漸進，按照規劃、細化好的“每一個路標”逐個突破，你會發現你的思路越來越明確，你的目標會越來越清晰！

5、成功＝大目標（大目標＝小目標➕小目標➕……）×正確的方法×努力×堅持

在影象處理領域的目標檢測過程中，為了能夠檢測到不同大小的目標，解決目標多尺度的問題，一般採用兩種策略，一種是構建影象金字塔。影象金字塔是一系列以金字塔形狀排列的解析度逐步降低的影象集合，層級越高，解析度越低，透過下采樣得到。影象金字塔中的每一層影象都用於檢測目標，保證候選框尺寸不變，解析度大的影象可以檢測小目標物體，解析度小的影象可以檢測到大目標物體。比如MTCNN網路進行人臉檢測，首先是將原影象進行多尺度變換，獲取影象金字塔，然後再把金字塔中所有層影象送入檢測網路，這樣可以解決目標多尺度問題。

另一種策略是影象尺寸不變，不斷擴大或縮放候選框尺寸，這種方法在目標檢測過程中，有可能多次檢測到同一個目標，所以要進行目標區域的合併。two stage的目標檢測演算法初期就是採用這種策略解決目標多尺度的問題，透過不同尺度的滑動視窗從上到下、從左到右遍歷整幅影象，然後再對每個視窗中的影象進行分類和迴歸，精修其位置。

其實像SSD目標檢測演算法以上兩種策略都用到，SSD演算法的主要思路是均勻地在圖片不同位置進行密集取樣，用不同的尺度和長寬比，然後再利用CNN網路提取特徵進行分類和位置迴歸。它透過兩種方法來檢測不同大小的目標，一個提取不同尺度的特徵圖進行檢測，大尺度特徵圖（較靠前的特徵圖）可以用來檢測小物體，而小尺度特徵圖（較靠後的特徵圖）用來檢測大物體，這有點類似第一種策略；另一個是採用不同尺度和長寬比的先驗框，這種方法是改變候選框的尺度來檢測不同大小的目標。