顶刊TPAMI 2026!武汉大学提出:遥感小目标检测新突破

遥感图像中的目标检测问题长期以来被认为主要取决于模型结构的表达能力。但在极小目标场景下，这一认知开始失效。当目标缩小到十几个像素，同时还需要预测其方向时，模型面对的不只是“看不清”，而是系统性地“学不到”。

现有检测框架中，无论是锚框驱动、点驱动，还是基于Transformer的集合建模，本质上遵循着相似的训练逻辑，但在这一过程中，小目标始终处于不利位置。它们往往：

• 更难被分配为有效训练样本
• 在匹配阶段获得的监督信号更弱
• 在后续筛选中更容易被“误判为低质量样本”而被剔除

久而久之，这种训练机制会不断放大小目标的学习难度，使其在模型内部逐渐“被边缘化”。

导致的结果是一个隐性的训练偏置被放大问题：模型并非不会检测小目标，而是在训练机制中“逐渐忽略了它们”。这一问题在遥感场景中进一步被放大，遥感目标往往密集分布且具有任意方向，使得检测任务不仅是“定位问题”，还同时包含方向建模与结构区分。

基于此，论文将该问题系统化为一个新的研究任务：有向极小目标检测（Oriented Tiny Object Detection）并围绕这一任务构建 AI-TOD-R 数据集、benchmark，以及 Dynamic Coarse-to-Fine Learning（DCFL）方法，用于缓解训练过程中的系统性偏置。

AI-TOD-R 是在 AI-TOD-v2 基础上构建的有向目标检测数据集。其水平框标注通过弱监督方法生成初始有向框，并结合人工校验与多轮质量修正，最终得到高精度的 oriented bounding box（旋转边界框） 标注。

数据集包含 28036 张遥感图像与 752460 个有向目标，平均目标尺寸仅为 10.62 像素，是当前有向目标检测数据集中尺度最小的基准之一。

图 4：AI-TOD-R 中的有向框标注示例，覆盖停车场、港口、道路、油罐和复杂地物背景。

使用水平框会引入明显的背景污染并在密集目标之间产生严重重叠，而有向框能够沿目标主方向紧密贴合，从而同时减少背景干扰并保留方向语义信息。此外，该数据集还带来了三个关键挑战：

1）单幅图像中目标数量极大，部分场景超过千级目标，带来显著计算与匹配压力；2）目标在尺度与类别上存在明显长尾分布；3）高密度目标与低对比背景共存，使得检测与分配过程更加困难。

Benchmark暴露了训练偏差问题

论文不仅提出了一个新数据集，还在 AI-TOD-R 上系统评估了二十余种方法，覆盖全监督、半监督、稀疏标注与弱监督等主流范式。结果中一个反复出现的现象是：极小目标并不是单纯“特征不足”，而是在训练过程中更容易被系统性忽略。

图 5：不同尺度目标获得的正样本数量不同，very tiny 目标明显更少。

图5 展示的是正样本数量随目标尺度变化的趋势。极小（very tiny）目标几乎无法分配到有效正样本，而随着目标尺度增大，正样本数量迅速上升。对于依赖锚框或 特征点的检测器而言，这会带来一个直接后果：目标越小，所能获得的训练信号越少。

后验置信度会进一步放大这一问题。许多半监督或动态样本选择方法倾向于选择高置信预测，而大目标本身更容易被模型识别，其置信度也更高，因此会持续获得更多监督。相反，极小目标的置信度较低，在筛选过程中被剔除的概率更高，从而在训练中逐渐变得更弱。

这正是论文所描述的学习偏置现象：强目标在训练过程中会不断增强，而弱小目标则会逐渐被边缘化。

DCFL：先挪准，再筛细

DCFL 的整体思路可以拆解为两个阶段：先调整先验位置，再进行精细化样本筛选。

图 6（a）：PCB 将固定先验位置动态更新到目标主体附近，并可嵌入一阶段或两阶段检测头。

传统检测器可以抽象为如下过程：

其中  表示固定的先验集合（anchor 或 feature points），模型通过深度网络将先验映射为检测结果 ，包括分类分数与旋转框回归位置。也就是说，输入是一组静态先验，输出是分类结果与旋转框位置。

问题在于，对于极小目标而言，固定先验往往无法覆盖目标主体区域，导致后续的匹配与监督建立在“错误起点”之上。

为此，DCFL 将这一过程重新建模为动态形式：

其中  表示先验更新模块，用于将静态先验转换为动态先验 。

为此，DCFL 将这一过程重新建模为动态形式：

其中  表示先验更新模块，用于将静态先验转换为动态先验 。

该模块的核心作用是学习先验偏移，使原本固定在网格位置的先验逐步向目标的高信息区域移动，从而提升后续匹配质量。

具体而言，论文通过如下方式更新先验位置：

其中：表示特征图上的初始网格位置、表示步长，用于将特征图坐标映射回图像空间、表示网络预测的偏移量、：偏移向量的数量。这一机制解决的核心问题是：让“先验位置”先靠近目标，再进行检测与分类。

从候选正样本到最终正样本

在引入动态先验之后，DCFL 仍然面临一个关键问题：如何从大量候选位置中选择真正用于训练的高质量的最终正样本。

图 6(b)：DCFL 先得到粗候选样本，再通过 DGMM 约束筛出最终正样本。

DCFL 采用一种由粗到细的逐级筛选机制，将样本学习过程分为两个阶段：

在CPS阶段，DCFL 首先为每一个目标构建一个较大的候选正样本集合，CPS 的构建同时考虑两个维度：

因此，每个目标不再被限制在固定层级或固定位置，而是从多层、多尺度的候选集合中进行匹配，从而显著提升极小目标的正样本覆盖率。为了在跨尺度和跨层的候选空间中衡量先验与目标的匹配程度，DCFL 引入GJSD作为相似性度量。

在获得 CPS 之后，DCFL 进一步引入细粒度筛选机制，对候选样本进行质量重排序，从而得到中间正样本集合（MPS）。首先定义每个候选样本的联合质量评分：

该评分同时考虑分类置信度与定位质量，用于筛选出更可靠的候选样本子集。

在细筛选阶段，DCFL 使用 Dynamic Gaussian Mixture Model（DGMM）对目标的有效区域进行建模。DGMM 表达形式为：

在 DGMM 约束下，仅保留满足高概率区域的样本作为最终正样本集合，低于该阈值的样本将被过滤。

实验结果

在 AI-TOD-R 上，DCFL 插到 RetinaNet-O 后，AP 从 7.3 提升到 12.3；训练 40 epoch 时提升到 15.2。插到 Oriented R-CNN 后，AP 从 11.2 提升到 15.7，40 epoch 时达到 17.1。插到 S2A-Net 后，AP0.5 达到 49.6，相比原方法提升 16.2 个点。

图 7：上行为 Oriented R-CNN，下行为 DCFL。绿色为正确检测，红色为漏检，蓝色为误检。

这张对比图能看到 DCFL 的实际变化：密集停车场、道路和机场场景中，红色漏检减少，蓝色误检也减少。它对应前面的训练逻辑：当极小目标能获得更合适的正样本，模型就不再只学习容易目标。具体的实验结果，请参考原文。

总结

这篇论文的核心并不仅仅是提出一个新的检测模块，而是将“有向极小目标检测”作为一个独立问题来进行解决。AI-TOD-R 数据集的构建首先明确了问题边界：目标尺度极小、空间分布高度密集，并且方向信息在任务中具有关键作用。在此基础上，Benchmark 进一步揭示了一个更深层的问题，极小目标在现有训练范式中长期处于结构性弱势：正样本分配稀缺，同时在基于置信度的筛选机制中更容易被进一步过滤。

DCFL 的贡献不在于单点结构增强，而是回到检测训练的两个基础环节：先验建模与样本分配机制。通过动态先验机制，使候选位置更贴近目标主体区域；通过粗到细的样本筛选机制，在保证覆盖率的同时提升正样本质量，从而缓解极小目标在训练过程中的系统性偏置。

对于遥感小目标检测而言，这一思路的启示在于，性能瓶颈未必仅来自网络结构或特征表达能力，也可能根植于训练信号的生成方式，例如样本如何被分配、哪些目标被持续忽略等更底层的问题。

一图流：有向极小目标检测