Este artigo propõe um algoritmo de percepção geométrica com avanço residual hiperfusão, visando resolver os desafios na detecção de alvos em imagens de sensoriamento remoto, como multiescala, sobreposição densa e distribuição desigual de dados. O módulo de avanço residual hiperfusão otimiza a estrutura da rede, suas operações convolucionais em múltiplos níveis utilizam campos receptivos de diferentes escalas, capazes de capturar detalhes dos alvos em várias escalas, aumentando a capacidade do modelo de perceber as características dos alvos, realizando a extração de características de alvos em pequena escala e a localização precisa de alvos em grande escala. A avaliação precisa da detecção é realizada calculando a similaridade geométrica entre os resultados detectados e reais, considerando cuidadosamente o grau de ajuste em cenários de sobreposição densa, filtrando os resultados finais, reduzindo falsos negativos e positivos, e melhorando a precisão do algoritmo; foi projetado um módulo de fusão de características multipath, que integra informações de características em diferentes níveis, extraindo características de alvos mais ricas, fortalecendo a representação e a capacidade discriminativa da rede, e melhorando a precisão e estabilidade da detecção. Os resultados experimentais no conjunto de dados NWPU-VHR-10 mostraram melhorias em mPrecision, mRecall, mAP e mF1 Score de 0,0419, 0,1040, 0,0455 e 0,0850 respectivamente; no conjunto RSOD, as melhorias foram de 0,0221, 0,1034, 0,0619 e 0,0875 respectivamente. Isso comprova plenamente a eficácia e superioridade do algoritmo de percepção geométrica com avanço residual hiperfusão proposto na área de detecção de alvos em imagens de sensoriamento remoto.

imagens de sensoriamento remoto;detecção de alvos;módulo de avanço residual hiperfusão;similaridade geométrica;fusão multipath de características