La detección ligera de objetos en imágenes de teledetección tiene un valor clave en el procesamiento eficiente de datos de teledetección y en su aplicación en escenarios reales. Los objetos circulares o casi cuadrados (como tanques de petróleo, vehículos, etc.) son muy comunes en las imágenes de teledetección. La detección precisa de estos objetos es importante para tareas como el monitoreo de recursos y la planificación urbana. Con la mejora continua en la precisión de detección de objetos en imágenes de teledetección, la complejidad del modelo también aumenta significativamente, y los métodos existentes tienen dificultades para lograr un equilibrio efectivo entre precisión y complejidad del modelo. Para abordar este problema, sobre la base de redes existentes para la detección de objetivos circulares o casi cuadrados, se propone un método ligero de detección de objetos en imágenes de teledetección basado en la reconstrucción espacial-canal, con el objetivo de reducir la complejidad del modelo mientras se mantiene una alta precisión. Primero, para la redundancia de información en la dimensión espacial del mapa de características, se usa una unidad de reconstrucción espacial que separa el mapa de características según la riqueza de la información espacial, obteniendo un grupo con información espacial rica y otro con información redundante. Luego, se realiza una operación de reconstrucción cruzada para reducir la redundancia espacial y mejorar la representación espacial de los objetos de teledetección; luego, para la redundancia de la información del canal en el mapa de características, se propone una unidad de reconstrucción de canal basada en convolución parcial, que divide el mapa de características en dos partes a lo largo de la dimensión del canal: una parte utiliza convolución parcial para extracción eficiente de características, y la otra utiliza convolución puntual para obtener información oculta detallada. Se reconstruyen y concatenan las dos partes con pesos para extraer características con menor coste computacional y mejorar la representación de características en canales importantes. Los resultados experimentales muestran que el método propuesto reduce eficazmente la carga computacional y la cantidad de parámetros del modelo mientras mantiene una buena precisión de detección.

imágenes de teledetección;detección de objetos;objetivos circulares;modelos ligeros;unidad de reconstrucción