[論文レビュー] D$^3$R-DETR: DETR with Dual-Domain Density Refinement for Tiny Object Detection in Aerial Images

Zixiao Wen, Zhen Yang+5 more|arXiv (Cornell University)|Jan 6, 2026

Advanced Neural Network Applications被引用数 0

ひとこと要約

D3R-DETR は DETR に Dual-Domain Density Refinement を統合し、時空間情報と周波数情報を融合して空中画像の極小物体検出を改善する密度マップを生成します（AI-TOD-v2）。

ABSTRACT

Detecting tiny objects plays a vital role in remote sensing intelligent interpretation, as these objects often carry critical information for downstream applications. However, due to the extremely limited pixel information and significant variations in object density, mainstream Transformer-based detectors often suffer from slow convergence and inaccurate query-object matching. To address these challenges, we propose D$^3$R-DETR, a novel DETR-based detector with Dual-Domain Density Refinement. By fusing spatial and frequency domain information, our method refines low-level feature maps and utilizes their rich details to predict more accurate object density map, thereby guiding the model to precisely localize tiny objects. Extensive experiments on the AI-TOD-v2 dataset demonstrate that D$^3$R-DETR outperforms existing state-of-the-art detectors for tiny object detection.

研究の動機と目的

• 空中画像における高密度変動を伴う極小物体の検出という課題に対処する。
• 空間と周波数のデュアルドメイン情報を取り入れて特徴表現を強化する。
• 高品質な密度マップを再構成し、DETR のクエリと物体のマッチングを導く。
• 軽量な密度ヘッドを通じて収束と小さな物体の位置推定精度を向上させる。
• AI-TOD-v2 で評価し、最先端の小さい物体検出器と比較する。

提案手法

• 空間情報と周波情報を統合する Dual-Domain Fusion Module (D2FM) を導入する。
• FrGK（FrGabor Kernels）を FPU 内で用い、複数の角度とスケールで周波数領域特徴を抽出する。
• DCBlock を備えた DilatedSPU とチャネル注意機構を組み合わせて空間特徴を強化する。
• DeFE を軽量な密度ヘッドに置換し、単一チャネルの密度マップを生成してエンコードとクエリ生成をガイドする。
• Density Recall Focal Loss（DRFL）を採用して密度再構成品質を制約する。
• 軽量な密度ヘッドを維持し、Dome-DETR の MWAS/PAQI 構成を用いて効率的なトレーニングを行う。

実験結果

リサーチクエスチョン

• RQ1 デュアルドメイン情報（空間＋周波数）が空中画像の極小物体検出における密度マップの品質へ与える影響はどうなるか。
• RQ2 高品質な密度マップに guided された軽量な密度ヘッドは TOD の DETR ラインのクエリ-物体マッチングを改善できるか。
• RQ3 この文脈における部分的なガボールカーネルと他の周波数表現の寄与はどの程度か。
• RQ4 提案手法 D3R-DETR は最先端の方法と比較して AI-TOD-v2 で収束と検出指標を改善するか。

主な発見

Method	Source	Backbone	AP	AP50	AP75	AP_vt	AP_t	AP_s	AP_m
ORFENet	TGRS2024	ResNet50	24.8	55.4	18.2	9.7	24.4	28.7	35.1
NWD-RKA	ISPRS2022	ResNet50	24.7	57.4	17.1	9.7	24.2	29.8	39.3
RFLA	ECCV2022	ResNet50	25.7	58.9	18.8	9.2	25.5	30.2	40.2
DINO-DETR	ICLR2023	ResNet50	25.9	61.3	17.5	12.7	25.3	32.0	39.7
DQ-DETR	ECCV2024	ResNet50	30.2	68.6	22.3	15.3	30.5	36.5	44.6
Dome-DETR*	ACMMM2025	HGNetv2-B0	28.7	62.0	22.8	14.6	28.1	34.2	42.2
D3R-DETR	Ours	HGNetv2-B0	31.3 (+2.6)	65.1	26.2	16.6	30.8	36.8	44.7

• D3R-DETR は AI-TOD-v2 で 31.3 AP を達成し、従来手法を上回り、基線 Dome-DETR由来モデルより +2.6 AP の改善を提供する。
• 密度シナリオ全体でより良い検出を示す AP50（+3.1）と APt（+2.7）で顕著な向上が見られる。
• FrGK ベースの周波数特徴と DCBlock 強化の空間モデリングを伴うデュアルドメイン融合（D2FM）は、極小オブジェクトに対してよりリッチな表現を生み出す。
• DRFL はトレーニング中の収束がより速く安定しており、密度再構成品質の改善を反映している。
• 定性的な結果として、 D3R-DETR 使用時に高密度の極小物体領域で欠失と誤検出が減少している。