简介：

航空图像中的微小物体检测仍然是一个非常具有挑战性的问题，因为微小物体包含少量的像素，很容易与背景混淆。

为了推进航空图像中微小物体检测的研究，作者提出了一个新的航空图像中微小物体检测数据集（AI-TOD）。具体来说，AI-TOD拥有280,36张航空图像中8个类别的700,621个物体实例。

与现有的航空图像目标检测数据集相比，AI-TOD中的目标平均大小约为12.8像素，比其他图像要小得多。

为了建立一个在航空图像中的微小物体检测的基准，作者还在AI-TOD数据集上评估了最先进的目标检测器。

实验结果表明，将这些方法直接应用于AI-TOD会产生次优目标检测结果，因此需要设计新的微型目标检测器。

因此，作者提出了一种基于多中心点的学习网络（M-CenterNet）来提高小目标检测的定位性能，实验结果表明，该性能提高显著。