用切片推理替代整圖縮放，提升大圖小目標檢測

2026 年 11 月 2 日，DEV Community 上刊出一篇題為《大圖裡小目標檢不出來，切片推理怎麼補》的文章。文章作者提出，用切片推理替代整圖縮放，來緩解大圖小目標漏檢的問題。

文章指出，常見的即時檢測器，包括 YOLO 及其同類模型，通常在約 640×640 的尺寸下訓練和執行，而一張 3613×2400 的航拍圖會被縮小約 5.6 倍以適配輸入。在這一縮放下，原本約 30 畫素的船隻只剩約 5 畫素，低於網路可靠識別的下限。作者以一張碼頭無人機照片為例說明，直接把現成的目標檢測器對準該照片，模型只會報出五艘船，而照片中實際有幾十艘。

針對這一問題，作者改用分塊切片替代整體縮放，在同一 YOLOX-S 模型上與單次整圖推理進行對比。作者也提到這種方法的代價是算力上升，在處理那張碼頭圖時一共需要切出 35 個切片。截至該篇報道，此事仍處於方法演示與對比階段，尚無後續的驗證或落地進展。