画像中の物体がスパースかつ群れになって分布しているという仮定を置き、物体検知モデル ClusDet を作成した点。ClusDetは、CPNetによって人や車のクラスタを捉え、ScaleNetによりクラスタ内の物体のスケールを推定することで、それに続く DetecNetにて、入力画像の不要な箇所 (物体が全く存在しない箇所) の計算が必要なく、また物体のスケールの違いによる性能低下を防ぐ。

航空画像データセット (VisDrone、UAVDT、DOTA) に対し、既存手法 (Faster R-CNN、FPN、RetinaNet) より AP を 1-5% 程度向上。