基于上下文學(xué)習(xí)的方法充分利用了圖像中與目標(biāo)相關(guān)的信息，能夠有效提升小目標(biāo)檢測的性能。 但是，已有方法沒有考慮到場景中的上下文信息可能匱乏的問題，同時沒有針對性地利用場景中易于檢測的結(jié)果來輔助小目標(biāo)的檢測。 鑒于此，未來的研究方向可以從以下兩個角度出發(fā)考慮：（1）構(gòu)建基于類別語義池的上下文記憶模型，通過利用歷史記憶的上下文來緩解當(dāng)前圖像中上下文信息匱乏的問題；（2）基于圖推理的小目標(biāo)檢測，通過圖模型和目標(biāo)檢測模型的結(jié)合來針對性地提升小目標(biāo)的檢測性能。 生成對抗學(xué)習(xí)的方法旨在通過將低分辨率小目標(biāo)的特征映射成與高分辨率目標(biāo)等價的特征，從而達(dá)到與尺寸較大目標(biāo)同等的檢測性能。