学习嵌入位置：面向小目标检测的噪声感知位置编码
计算机视觉与模式识别
2026-04-17 v1
摘要
基于Transformer的检测器已推进小目标检测，但它们往往不够高效，且易受由背景引起的查询噪声影响，这促使深度解码器细化低质量查询。我们提出HELP（Heatmap-guided Embedding Learning Paradigm），即一种噪声感知位置-语义融合框架，研究在何处嵌入位置信息，通过选择性保留前景显著区域的位置编码，同时抑制背景杂乱。HELP中，我们引入Heatmap引导的位置编码（HPE）作为核心嵌入机制，并通过heatbar进行可解释诊断和微调。HPE集成到编码器和解码器中：它通过注入热图感知的位置编码来指导噪声抑制特征编码，并通过基于梯度的掩码过滤器在解码前筛选背景主导的嵌入，从而实现高质量查询检索。为解决复杂小目标上的特征稀疏问题，我们集成Linear-Snake Convolution来丰富检索相关的表征。仅在训练期间使用基于梯度的热图监督，推理时不额外计算梯度。结果表明，我们的设计将解码器层数从八个减少到三个个，并实现了59.4%的参数减少（6630万 vs. 1.63亿），在较小的计算预算下仍保持一致的准确率提升。代码仓库：https://github.com/yidimopozhibai/Noise-Suppressed-Query-Retrieval
关键词
引用
@article{arxiv.2604.15065,
title = {Learning Where to Embed: Noise-Aware Positional Embedding for Query Retrieval in Small-Object Detection},
author = {Yangchen Zeng and Zhenyu Yu and Dongming Jiang and Wenbo Zhang and Yifan Hong and Zhanhua Hu and Jiao Luo and Kangning Cui},
journal= {arXiv preprint arXiv:2604.15065},
year = {2026}
}
备注
Accepted to ACM ICMR 2026; 14 pages, 6 figures, and 4 tables