SO-DETR：利用双域特征和知识蒸馏进行小目标检测

一、研究背景：小目标检测的困境与机遇

在计算机视觉领域，小目标检测（Small Object Detection）长期面临着三大核心挑战：

1. ​特征表征困境：小目标（<32×32像素）在图像中分辨率低、纹理特征模糊，传统CNN难以提取有效特征
2. ​计算效率瓶颈：现有Transformer检测器（如DETR系列）依赖高层语义特征，忽略低层空间细节，导致计算复杂度居高不下
3. ​查询机制失配：标准DETR的随机初始化查询策略难以适配小目标的分布特性，造成资源错配

以无人机航拍图像为例（VisDrone数据集），典型场景中：

• 小目标占比超过60%（如行人、自行车等）
• 背景复杂度高（建筑物遮挡、光照变化等）
• 实时性要求严苛（30FPS以上）

---