SET: Spectral Enhancement for Tiny Object Detection（CVPR2025）

paper

Abstract

本文提出了一种针对 Tiny Object Detection（TOD）任务的新型方法——Spectral Enhancement for Tiny object detection（SET）。通过对特征编码后的小物体进行频域分析，发现高频信息对小物体识别造成了干扰，因而设计了通过抑制背景中的高频信息来增强小物体检测性能的方法。具体地，SET 包含两个模块：层次化的背景平滑（HBS）模块和对抗扰动注入（API）模块。HBS 模块通过自适应降噪操作来抑制背景中的高频噪声，而 API 模块则利用对抗性扰动增加关键区域的特征显著性，并通过训练提升模型对小物体特征的识别能力。实验结果表明，SET 在多个基准数据集上均能有效提高小物体的检测精度，特别是在 AI-TOD 数据集上相对于基线方法提升了 3.2% 的 AP。此外，文章还进行了详细的组件效果分析、超参数选择以及对增益机制的解释，充分验证了 SET 方法的有效性和通用性。

Introduction

深度神经网络（DNN）的最新进展[14, 60]极大地推动了目标检测领域的发展[11， 22]。尽管取得了这些进步，但微小目标检测（TOD）仍然是一个具有挑战性的问题。微小目标的特点是像素输入非常有限，其占据的面积等于或小于 16×16 像素[44]。与传统目标检测[10, 21]相比，通用目标检测器在微小目标检测任务中往往表现不佳。例如，DINO [60] 是最具代表性的基于 Transformer 的目标检测器之一，在 AI