In dieser Arbeit befassen wir uns mit der Detektion einer speziellen Objektart mit extremen Aspektratio, nämlich \textbf{schlanken Objekten}. In realen Szenarien sind schlankere Objekte tatsächlich sehr häufig und von entscheidender Bedeutung für das Ziel eines Detektionssystems. Dennoch wurde dieser Objekttyp bisher weitgehend von herkömmlichen Objektdetektionsalgorithmen vernachlässigt. Bei unserer Untersuchung beobachten wir, dass ein klassischer Objektdetektionsansatz auf dem COCO-Datensatz bei der alleinigen Bewertung von schlanken Objekten einen drastischen Rückgang von $18,9\%$18,9% mAP aufweist. Daher untersuchen wir in dieser Arbeit das Problem der Detektion schlanker Objekte systematisch. Dazu wird ein analytisches Framework mit sorgfältig entworfenen Benchmark- und Evaluationsprotokollen etabliert, in dem verschiedene Algorithmen und Module untersucht und miteinander verglichen werden können. \New Unsere Studie zeigt, dass eine effektive Detektion schlanker Objekte ~\textbf{ohne} (1) anchor-basierte Lokalisierung; (2) speziell gestaltete Box-Repräsentationen erreicht werden kann. Stattdessen ist \textbf{die entscheidende Komponente zur Verbesserung der Detektion schlanker Objekte die Merkmalsanpassung}. Dieses Konzept identifiziert und erweitert Erkenntnisse bestehender Methoden, die bisher untergenutzt wurden. Darüber hinaus schlagen wir eine Merkmalsanpassungsstrategie vor, die gegenüber aktuellen repräsentativen Objektdetektionsmethoden deutliche und konsistente Verbesserungen erzielt.