小型物体の検出は、通常、ぼやけや低解像度の影響を受けるため、その正確な検出および局所化に大きな課題が生じる。さらに、従来の特徴抽出手法は、ダウンサンプリングや畳み込み演算が小型物体の細部をぼかすため、こうした対象に対する有効な表現を捉えにくいという問題を抱えている。これらの課題に対処するため、本研究では複数の多様なモデルバリアントの利点を活かし、それらの予測をアンサンブル統合する手法を提案する。実験結果から、提案手法がアンサンブル統合を通じて各モデルの強みを効果的に活用していることが明らかとなり、小型物体検出における精度およびロバスト性が向上した。本モデルは、鳥類の小型物体検出を対象としたMVA Challengeにおいて、IoU閾値0.5における平均精度（AP）で0.776という最高スコアを達成した。