论文标题：重访 DETR 进行小目标检测：基于噪声鲁棒查询优化

尽管 Transformer-based 检测器在小目标检测方面取得了进展，最近的研究表明，这些检测器仍因特征金字塔网络（FPN）中固有的噪声敏感性以及现有标签分配策略中查询质量下降面临挑战。本文提出了一种新颖的 Noise-Resilient Query Optimization（NRQO）范式，创新性地融合了 Noise-Tolerance Feature Pyramid Network（NT-FPN）和 Pairwise-Similarity Region Proposal Network（PS-RPN）。具体而言，NT-FPN 通过保持空间和语义信息的完整性来缓解 FPN 中特征融合的噪声。与现有标签分配策略不同，PS-RPN 通过增强锚框与真实框之间的匹配——基于位置和形状相似性——生成大量高质量的正查询，而无需额外的超参数。广泛的实验在多个基准上一致地表明，NRQO 在 SOTA 基线之上具有优势。