Propõe-se um método SSD aprimorado de fusão de características multiescala para o problema da detecção de pequenos alvos em imagens de sensoriamento remoto com fundos complexos. Foi projetado um mecanismo de fusão de mapas de características que integra mapas superficiais de alta resolução com mapas profundos ricos em informações semânticas, construindo uma pirâmide de características entre os mapas para fortalecer as características dos pequenos alvos. Em seguida, é introduzido um módulo de atenção por canal, que, por meio da construção de um espaço de parâmetros de pesos, concentra a atenção nos canais das regiões de interesse do alvo para diminuir as interferências de fundo. Por fim, a proporção das caixas âncora em relação à imagem original foi ajustada para melhor adaptação à escala dos pequenos alvos de sensoriamento remoto. O desempenho do método foi testado qualitativa e quantitativamente em um conjunto de dados de imagens aéreas de sensoriamento remoto coletadas. Os resultados mostram que a precisão da detecção do método aprimorado aumentou 4,3% em comparação ao SSD, sendo capaz de se adaptar a tarefas de detecção multiescala em cenas complexas, reduzindo a taxa de perda de pequenos alvos.

aprendizado profundo;detecção de pequenos alvos;fundo complexo;fusão de características;mecanismo de atenção por canal