一句话回答：没有一个统一的"最主流框架"。2026 年的真实格局是——工程落地主流是 YOLO 家族（当前旗舰 YOLO26），学术 SOTA 主流是 DETR 家族（DINO / Grounding DINO 1.5 / DINO-X 谱系，以及实时派系 RT-DETR）。而更有意思的是，这两条看起来完全分叉的技术路线，在过去两年里正朝着同一套小目标机制收敛：高分辨率浅层特征 + 多尺度渐进式标签分配 + 小目标加权与覆盖保障。一、先把"小目标"这个词钉死讨论"小目标检测框架"之前，必须先把定义说清楚，否则所有数字都不可比。业内事实标准沿用 COCO 的面积划分：small：边长 ≤ 32 像素medium：32 边长 ≤ 96 像素large：边长 96 像素Cross-DINO（IEEE TMM 2025）在引言中给出了最直白的表述：“in the widely utilized MS COCO dataset, small objects are defined as those with a bounding box size of 32 × 32 pixels or smaller in a typical 480 × 640 image.”注意"480 × 640"这个前提——"小"是相对于输入分辨率而言的。同一辆车，在 640×640 图里是 medium，在 2560×1440 无人机图里就是 small。这也是为什么几乎所有小目标工作都要同时报告输入分辨率和检测层 stride。二、小目标为什么难：四个根因，而且是耦合的很多综述把小目标难度归结为"像素少"。这没错但不完整。我按四条因果链梳理，后面每个框架都是在其中一两条上做文章。1. 信息量不足。物体只占几十个像素，纹理、颜色、形状都被压到极限，对比度还往往低（暗背景、远距离、遮挡）。这是最表层的原因。2. 下采样信息丢失。YOLO 类检测器通常在 P3/P4/P5 三个尺度做预测，对应 stride 8/16/32。一个 8×8 像素的物体，到了 P5 只剩不到 1 个像素，特征图上根本"看不见"。这就是为什么"加一个 P2 头"会成为小目标改造的第一招。3. 标签分配失效——这是最容易被忽略、但最近才被真正写进框架内核的一条。Ultralytics YOLO26 官方技术报告把 Task-Aligned Learning（TAL）的失效模式讲得非常清楚：“After downsampling, objects whose spatial extent falls below the minimum stride have no anchor inside their box, receiving zero positive assignments and zero gradient signal. In this regime, the smallest objects can receive no positive candidates and contribute no localization or classification signal during training.”翻译过来：下采样之后，一个比最小 stride 还小的物体，框内找不到任何 anchor 中心点，于是正样本数为零，训练时它对定位和分类都不产生任何梯度。这不是"检测得不好"，是"根本没被训练到"。4. 分类分数系统性偏低。Cross-DINO 观察到一类一致现象：“deep learning-based OD models tend to exhibit higher class prediction score for large objects than small objects”，即模型对小目标的类别置信度天然低于大目标，在 NMS 或阈值过滤时更容易被丢掉。根因 1 和 2 指向"特征侧"（backbone / neck），根因 3 指向"标签分配侧"（assignment），根因 4 指向"损失与阈值侧"（loss / post-processing）。当前主流框架的分野，本质上就是各自主攻哪一条。三、主流框架全景：一张表看清格局框架谱系代表论文 / 版本小目标核心机制定位YOLO26YOLOarXiv:2606.03748（官方）STAL小目标标签分配 + Progressive Loss + NMS-free 双头 + 可选P2 头工程落地主流RT-DETRDETRarXiv:2304.08069Hybrid Encoder + uncertainty-minimal query selection实时端到端主流DINO / Stable-DINODETRarXiv:2203.03605CDN 对比式去噪，小目标 +1.3 APDETR 谱系基座DINO-XGrounding DINOarXiv:2411.14347开放世界 + 长尾 prompt，继承 PMSF 多尺度特征开放世界 / 长尾 SOTACross-DINODINO 改造arXiv:2505.21868Deep MLP + CCTM + Boost Loss专攻小目标的 DETRSOD-YOLOv8YOLO 改造arXiv:2408.04786第四检测层（高分辨率）+ GFPN + EMA + PIoU专攻小目标的 YOLO一个关键判断："最主流"要分场合。如果是无人机、遥感、交通监控、工业质检这类要跑起来、要部署、要量产的场景，答案是 YOLO 家族；如果是要刷 COCO 榜单、做开放世界长尾识别、或者要端到端无 NMS 的研究实验，答案是 DETR 家族。二者都不是"小目标专用框架"，但都已经在 2025–2026 把小目标机制写进了自己的内核。四、工程主干：YOLO 家族，当前旗舰 YOLO264.1 官方成绩YOLO26 官方技术报告（arXiv:2606.03748，Jocher 等，2026）给出的 COCO val2017 结果：模型输入mAP val 50-95mAP val 50-95 (E2E)CPU ONNX (ms)T4 TensorRT10 (ms)参数 (M)FLOPs (B)YOLO26n64040.940.138.91.72.45.4YOLO26s64048.647.887.22.59.520.7YOLO26m64053.152.5220.04.720.468.2YOLO26l64055.054.4286.26.224.886.4YOLO26x64057.556.9525.811.855.7193.9官方报告称 YOLO26 在同尺度下比 YOLO11 提升1.6–2.8 个 COCO AP，并在中/大/超大三档位于精度-延迟 Pareto 前沿；此外 YOLO26n 相比 YOLO11n 在 Intel Xeon CPU @ 2.00 GHz 上的 ONNX 推理最高快 43%。这里的 “E2E” 列指的是 one-to-one 头的端到端推理（无 NMS），官方数据是与 NMS 版本的差距仅0.6–0.8 AP——这个差距在工程上是可以接受的。4.2 STAL：把"零正样本"从根上补掉这正是本文最想讲清楚的一点：小目标标签分配失效，已经不再是需要自己改代码解决的痛点，而是被写进了 YOLO 官方框架的默认训练流程。YOLO26 的 STAL（Small-Target-Aware Label Assignment）做法是：在候选筛选阶段，为每个 GT 框构造一个"分配代理框"，把小于最小 stride 的维度拉大到一个参考尺寸，从而保证框内至少有一个 anchor 中心：g~i=(xi,yi,w~i,h~i)\tilde{g}_i = (x_i,\ y_i,\ \tilde{w}_i,\ \tilde{h}_i)g~i=(xi,yi,w~i,h~i)d~i={ sref,dismindi,otherwise,di∈{ wi,hi}\tilde{d}_i = \begin{cases} s_{\text{ref}}, d_i s_{\min} \\ d_i, \text{otherwise} \end{cases},\quad d_i \in \{w_i,\ h_i\}d~i/