Detectar objetos pequeños en imágenes infrarrojas sigue siendo un desafío porque la mayoría carece de forma y textura. En este estudio, propusimos un método de detección de objetos pequeños en infrarrojo para mejorar la capacidad de detectar objetos térmicos en escenarios complejos. Primero, se propone un bloque de conexión escasa para mejorar la respuesta de los objetos infrarrojos pequeños y suprimir la respuesta de fondo. Este bloque se utiliza para construir la columna vertebral del modelo de detección. En segundo lugar, se diseña un módulo de atención de región para enfatizar las características de los objetos infrarrojos pequeños y suprimir las regiones de fondo. Por último, se diseña una función de pérdida de clasificación sesgada promediada en lotes para mejorar la precisión del modelo de detección. Los resultados experimentales muestran que el marco propuesto de detección de objetos pequeños aumenta significativamente la precisión, la recuperación y la puntuación F1, mostrando que, en comparación con los modelos de detección avanzados actuales para la detección de objetos pequeños, el marco de detección propuesto tiene un mejor rendimiento en la detección de objetos pequeños en infrarrojo bajo fondos complejos. Las ideas obtenidas de este estudio pueden proporcionar nuevas ideas para la detección y seguimiento de objetos pequeños en infrarrojo.