Die Erkennung kleiner Objekte wird häufig durch Verschmierung und geringe Auflösung beeinträchtigt, was erhebliche Herausforderungen für deren genaue Erkennung und Lokalisierung darstellt. Zudem stoßen herkömmliche Methoden zur Merkmalsextraktion häufig auf Schwierigkeiten, effektive Darstellungen für solche Objekte zu erfassen, da Abtastvorgänge und Faltungsoperationen zur Verschmierung feiner Details kleiner Objekte beitragen. Um diesen Herausforderungen zu begegnen, stellt diese Studie einen Ansatz zur Erkennung winziger Objekte durch Ensemble-Fusion vor, der die Vorteile mehrerer unterschiedlicher Modellvarianten nutzt und deren Vorhersagen kombiniert. Experimentelle Ergebnisse zeigen, dass die vorgeschlagene Methode durch Ensemble-Fusion die Stärken jedes einzelnen Modells effektiv ausschöpft und somit die Genauigkeit und Robustheit bei der Erkennung kleiner Objekte verbessert. Unser Modell erzielt im MVA-Challenge-Wettbewerb zur Erkennung kleiner Objekte bei Vögeln die höchste durchschnittliche Präzision (AP) von 0,776 bei einem IoU-Schwellwert von 0,5.