تقدم هذه المقالة خوارزمية إدراك هندسي متقدمة للاستشعار البعيد المتبقية المتكاملة ، والتي تهدف إلى حل التحديات متعددة المقاييس والتكرار الكثيف وعدم توزيع البيانات في كشف الأهداف في صور الاستشعار عن بعد. تحسين وحدة الدمج الزائدة المتبقية تحسين هيكل الشبكة ، وعمليات التصفح بمستويات مختلفة يستفيد من بيئة استشعار مختلفة ، ويمكن التقاط تفاصيل أهداف مختلفة ، وتعزيز القدرة على إدراك النموذج لميزات الهدف ، وتحقيق استخراج ميزة الهدف بحجم صغير وتحديد الهدف بحجم كبير. عن طريق حساب التشابه الهندسي بين الكشف والنتائج الحقيقية ، تقييم الكشف الدقيق بدقة ، في مشاهد كثيفة الهدف المتكرر يحتسب التوافق الدقيق ويختار النتيجة النهائية ، ويقلل من الفقدان والكشف الخاطئ ، ويعزز دقة الخوارزمية ؛ تصميم وحدة دمج الميزات النموذجية المتعددة ، دمج معلومات الميزات في مستويات مختلفة ، استخراج ميزات الهدف أكثر غنى ، وتعزيز التمثيل الشبكة والقدرة على التمييز ، وزيادة دقة الكشف واستقراره. نتائج التجربة على مجموعة البيانات NWPU-VHR-10 تظهر أنه زاد mPrecision و mRecall و mAP و mF1 Score بنسبة 0.041 9 و 0.104 0 و 0.045 5 و 0.085 0 على التوالي ؛ نتائج التجربة على مجموعة بيانات RSOD تظهر أنها زادت mPrecision و mRecall و mAP و mF1 Score بنسبة 0.022 1 و 0.103 4 و 0.061 9 و 0.087 5 على التوالي. تثبت بشكل كامل فعالية وتفوق خوارزمية إدراك هندسي متقدمة المقدمة في مجال كشف الأهداف في صور الاستشعار عن بعد.

صور الاستشعار عن بعد ؛ كشف الأهداف ؛ وحدة دمج الزائد المتبقية ؛ التشابه الهندسي ؛ وحدة دمج الميزات المتعددة