Centrándonos en el problema de la baja precisión de detección causada por las características de pocos disparos y multiescala de los objetos aéreos, proponemos una red de detección de objetos aéreos de pocos disparos (FADNet). Primero utilizamos un transformador como la red principal del modelo y luego construimos un mecanismo de atención multiescala (MAM) para fusionar profundamente las características de las dimensiones W y H extraídas de la dimensión del canal y las características locales y globales extraídas de la dimensión espacial con las características del objeto para mejorar el rendimiento de la red al detectar objetos aéreos. En segundo lugar, se innova la red de cuello basada en la red de agregación de rutas (PANet), lo que resulta en una red de agregación de rutas mejorada (IPANet). Nuestra red propuesta reduce la pérdida de información durante la transferencia de características al introducir una conexión de salto, utiliza convolución de conexión dispersa, fortalece las capacidades de extracción de características en todas las escalas y mejora las propiedades discriminativas de las características de los objetos aéreos en todas las escalas. Finalmente, proponemos una red de propuesta regional multiescala (MRPN) que puede establecer múltiples RPNs basadas en los tipos de escala de las características de salida, utilizando convoluciones adaptativas para extraer efectivamente características de objetos en cada escala y mejorar la capacidad de procesar información multiescala. Los resultados experimentales mostraron que nuestro método propuesto exhibe un buen rendimiento y generalización, especialmente en los experimentos de 1, 2, 3, 5 y 10 disparos, con precisión promedio del 33.2%, 36.8%, 43.3%, 47.2% y 60.4%, respectivamente. El FADNet resuelve los problemas planteados por las características de pocos disparos y multiescala de los objetos aéreos, además de mejorar las capacidades de detección del modelo de detección de objetos aéreos.