针对目前目标检测技术中小目标检测困难问题, 提出了一种基于SSD (Single Shot multibox Detector) 改进的小目标检测算法Bi-SSD (Bi-directional Single Shot multibox Detector). 该算法为SSD的浅层特征设计了小目标特征提升模块, 在网络的分类和回归部分结合多尺度特征融合方法和BiFPN (Bi-directional Feature Pyramid Network) 结构, 设计了6尺度BiFPN分类回归子网络. 实验结果表明, 在PASCAL VOC和MS COCO目标检测数据集上Bi-SSD相比原始的SSD算法有更好的检测性能. 其中VOC2007+2012上Bi-SSD算法的mAP指标达到了78.47%相较SSD算法提升了1.34%, 在COCO2017上Bi-SSD算法的mAP达到26.4%提升了接近2.4%.

1. 使用 Canny 边缘检测器找到边缘图像。 2.从边缘图像中提取边缘（曲线）： 2a. 如果它们在一个范围内，则填充间隙并选择长边， 2b. 找到 T 形接头并将它们标记为 T 形角。 2c。 获取每个选定边 ${\Gamma}$ 的“状态”作为“循环”或“线”。 3. 使用小宽度高斯核平滑 ${\Gamma}$ 以去除量化噪声和琐碎的细节。 这种小规模的高斯平滑也提供了很好的角定位。 4. 在平滑曲线 ${\Gamma_s}$ 的每个点，按照 CPDA 技术使用三个不同长度的弦计算三个离散曲率。 5.在${\Gamma_s}$的每个点上找到三个归一化的曲率，然后将它们相乘得到曲率积。 6. 找到绝对曲率积的局部最大值作为候选角点，并通过与曲率阈值${T_h}$ 比较去除弱角点。 7. 计算上一步得到的每个候选角的角度，并与角度阈值${\delta}$ 进行比较以去除假

基于官方c++代码移植的KCF的python实现代码，基于opencv库，可直接使用摄像头完成视频的目标跟踪

一个关于汽车多尺度检测实例，源码解析请参考 https://mp.csdn.net/postedit/82012519