摘 要：小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标 检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小 目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学 习、上下文学习、生成对抗学习以及无锚机制等方面来提升小目标检测性能的方法，并分析了这些方法 的优缺点和关联性。之后，全面介绍小目标数据集，并在一些常用的公共数据集上对已有算法进行了 性能评估。最后本文对小目标检测技术的未来发展方向进行了展望。