XS-VID数据集是为了解决小视频物体检测方法应用场景单一的问题而开发的，包括不同时期和场景的航拍数据，并对八个主要物体类别进行了注释。验证结果显示，现有方法在小物体检测方面存在困难，性能低于普通物体检测器。提出了YOLOFT方法，提高了SVOD的准确性和稳定性。