A pesar de los logros de la detección de objetos basada en redes neuronales profundas, detectar objetos pequeños en imágenes de baja resolución sigue siendo una tarea desafiante debido a la información limitada. Una posible solución para aliviar el problema implica la integración de técnicas de super-resolución (SR) en detectores de objetos, especialmente mejorando los mapas de características para objetos de tamaño pequeño. Este documento explora el impacto de los mapas de características de super-resolución de alta resolución generados por técnicas de SR, especialmente para un detector de una etapa que demuestra un buen compromiso entre precisión de detección y eficiencia computacional. En primer lugar, este documento sugiere la integración de un módulo SR llamado transferencia de textura de características (FTT) en el detector de una etapa, YOLOv4. Los mapas de características de la espina dorsal y el cuello de YOLOv4 se combinan para construir un mapa de características de super-resolución para la detección de objetos de tamaño pequeño. En segundo lugar, propone un módulo SR novedoso con un rendimiento más impresionante y una demanda computacional ligeramente menor que el FTT. El módulo SR propuesto utiliza tres mapas de características de entrada con diferentes resoluciones para generar un mapa de características de super-resolución para la detección de objetos de tamaño pequeño. Por último, introduce una versión simplificada de un módulo SR que mantiene un rendimiento similar mientras utiliza solo la mitad de la computación del FTT. Este módulo simplificado con atención puede utilizarse de manera efectiva para sistemas integrados en tiempo real. Los resultados experimentales demuestran que el enfoque propuesto mejora sustancialmente el rendimiento de detección de objetos de tamaño pequeño en dos conjuntos de datos de referencia, incluido un conjunto de datos de vigilancia autogenerado y el conjunto de datos VisDrone2019. Además, este documento emplea el enfoque propuesto en un sistema integrado con un Qualcomm QCS610 y demuestra su viabilidad para la operación en tiempo real en dispositivos periféricos.