面向航空图像中小目标检测的 D$^3$R-DETR：基于双域密度细化的 DETR
计算机视觉与模式识别
2026-01-07 v1
摘要
小目标检测在遥感智能解译中发挥着关键作用，因为这些目标常携带下游应用的关键信息。然而，由于像素信息极其有限且目标密度差异显著，主流基于Transformer的检测器常面临收敛缓慢和查询-目标匹配不准的问题。为此，我们提出DR-DETR，一种基于双域密度细化的 novel DETR 检测器。通过融合空间域和频域信息，该方法细化低层特征图并利用其丰富的细节预测更准确的对象密度图，从而引导模型精确定位小目标。在AI-TOD-v2数据集上进行的大量实验表明，DR-DETR 在小目标检测方面优于现有的SOTA 检测器。
引用
@article{arxiv.2601.02747,
title = {D$^3$R-DETR: DETR with Dual-Domain Density Refinement for Tiny Object Detection in Aerial Images},
author = {Zixiao Wen and Zhen Yang and Xianjie Bao and Lei Zhang and Xiantai Xiang and Wenshuai Li and Yuhan Liu},
journal= {arXiv preprint arXiv:2601.02747},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication