Настоящая статья предлагает алгоритм геометрического восприятия гиперсовмещенных остатков, направленный на решение масштабных, плотных перекрывающихся и неравномерно распределенных данных вызовов в обнаружении целей на изображениях дистанционного зондирования. Оптимизация модуля гиперсовмещенных остатков улучшает структуру сети, многоуровневые операции свертки используют разные масштабы рецептивного поля, что позволяет захватывать детали целей различных масштабов, усиливать способность модели воспринимать особенности цели, внимательно изучать небольшие детали цели и точно определять большие цели. Расчет геометрической сходства обнаружения и реальных результатов точно оценивает эффективность обнаружения, в условиях плотного перекрытия целей внимательно рассматривает совпадение, отбирает окончательный результат, уменьшает пропуски и ложные срабатывания, улучшает точность алгоритма; разработка модуля многовекторного объединения признаков, объединение информации о признаках на разных уровнях, извлечение более богатых признаков цели, улучшение представления сети и способности дискриминации, повышение точности обнаружения и устойчивости. Результаты эксперимента на наборе данных NWPU-VHR-10 показывают, что mPrecision, mRecall, mAP и mF1 Score увеличились на 0.041 9, 0.104 0, 0.045 5 и 0.085 0 соответственно; результаты эксперимента на наборе данных RSOD показывают, что mPrecision, mRecall, mAP и mF1 Score увеличились на 0.022 1, 0.103 4, 0.061 9 и 0.087 5 соответственно. Полностью доказана эффективность и превосходство предложенного алгоритма геометрического восприяти

Изображения дистанционного зондирования; обнаружение целей; модуль гиперсовмещенных остатков; геометрическое сходство; модуль многовекторного объединения признаков