现有算法对小目标检测结果对比

小目标检测一直是计算机视觉领域的难点之一，很多算法在处理小目标时会出现漏检、误检等问题。目前比较常用的小目标检测算法包括：

1. Faster R-CNN：Faster R-CNN 是一种基于深度学习的目标检测算法，具有较高的准确率和鲁棒性。但是在小目标检测方面，由于特征图分辨率较低，容易出现漏检问题。

2. YOLOv3：YOLOv3 是一种基于深度学习的实时目标检测算法，具有较快的检测速度和较高的准确率。但是在小目标检测方面，由于网络结构和物体尺寸的限制，容易出现漏检问题。

3. RetinaNet：RetinaNet 是一种基于深度学习的目标检测算法，通过引入 Focal Loss 解决了类别不平衡问题，具有较高的准确率和鲁棒性。在小目标检测方面，由于引入了多尺度特征融合机制，相对于 Faster R-CNN 和 YOLOv3，表现更好。

综上所述，RetinaNet 在小目标检测方面表现相对较好，但是仍然需要在实际应用中进行具体调优。