원격탐지 객체는 큰 규모 차이를 가지고 있다. 복잡한 배경 간섭 하에서 미세 수준의 다중 스케일 특징 추출의 어려움과 예측 부문의 일부 유효한 표현 약화 문제를 해결하기 위해, 본 논문에서는 앵커 프레임 없는 아이디어를 기반으로 다변량 특징 추출 및 표현 최적화 원격탐지 다중 스케일 객체 검출 방법(Multivariate Feature extraction and Characterization optimization, MFC)을 제안한다. 특징 추출 부분에서는 다변량 특징 추출 모듈(Multivariate Feature Extraction, MFE)을 설계하여 미세 수준 다중 스케일 특징을 탐색하고, 그룹화 연산 및 그룹 간 연결 방식으로 수용 영역을 확대하며, 여러 특징 스케일 조합 효과를 강화하고, 문맥 정보를 결합하여 작은 객체에 대한 관심을 더욱 강화한다; 심층 집합 구조를 채택하여 심층 및 얕은 층 특징을 충분히 융합하여 보다 포괄적인 특징 표현을 얻는다. 예측 부분에서는 표상 최적화 전략(Characterization Optimization Strategy, COS)을 제안하여 타원이미지를 이용한 레이블 최적화로 큰 종횡비를 가진 원격탐지 객체에 적응하며, 좌표-픽셀 주의 결합을 설계하여 다중 스케일 객체의 채널, 위치 및 픽셀 정보를 동시에 주의하여 복잡한 배경 간섭을 줄이고 유효한 정보 표현을 강화한다. DIOR, HRRSD, RSOD 데이터셋에서 소거 및 비교 실험을 수행한 결과, MFC 모델의 mAP는 각각 70.9%, 90.2% 및 96.9%에 도달했으며, 대부분의 기존 방법을 능가하고 오탐 및 누락 문제를 효과적으로 개선하였으며 적응성과 강인성이 뛰어나다.

원격탐지 다중 스케일 객체; 앵커 프레임 없음; 다변량 특징; 표현 최적화; 주의