Dome-DETR：面向高效小目标检测的基于密度导向特征-查询操作的 DETR
计算机视觉与模式识别
2025-08-11 v2
摘要
小目标检测在无人机监视、遥感和自动驾驶系统中发挥着重要作用，使能够在广阔场景中识别小目标成为可能。然而，现有方法由于冗余的特征处理和刚性查询分配，导致特征利用效率低下且计算成本高。为解决这些挑战，我们提出了 Dome-DETR，一种新颖的框架，利用密度导向特征-查询操作实现高效小目标检测。为减少特征冗余，我们引入轻量级密度焦点提取器 (DeFE) 以生成聚类紧凑的前景掩码。利用这些掩码，我们采用掩码窗口注意力稀疏化 (MWAS) 以稀疏注意力聚焦计算资源于最具信息性的区域。此外，我们提出了渐进式自适应查询初始化 (PAQI)，用于在空间区域之间实现查询密度的自适应调节，从而实现更好的查询分配。广泛的实验表明，Dome-DETR 在 AI-TOD-V2 和 VisDrone 数据集上分别实现了 +3.3 AP 和 +2.5 AP 的领先性能，同时保持低计算复杂度和紧凑的模型规模。代码可在 https://github.com/RicePasteM/Dome-DETR 查看。
引用
@article{arxiv.2505.05741,
title = {Dome-DETR: DETR with Density-Oriented Feature-Query Manipulation for Efficient Tiny Object Detection},
author = {Zhangchi Hu and Peixi Wu and Jie Chen and Huyue Zhu and Yijun Wang and Yansong Peng and Hebei Li and Xiaoyan Sun},
journal= {arXiv preprint arXiv:2505.05741},
year = {2025}
}
备注
Accepted by ACM Multimedia 2025