Учтены терминологические особенности предметной области и применены программные средства для решения задач. Применено специализированное программно-математическое обеспечение Python. Эффективно используйте информацию изображений дистанционного зондирования из нескольких источников для повышения точности получаемых целевых характеристик. Чтобы преодолеть трудности,связанные с мезомасштабным разнообразием и малыми целями при обнаружении с помощью дистанционного зондирования, разработан новый тип сети пирамидальной структуры ARSF. Чтобы в полной мере использовать кроссмодальную информацию между изображениями дистанционного зондирования из нескольких источников, разработан метод быстрого обнаружения слияния на уровне принятия решения, основанный на DDIOU и теории взвешенных данных D-S. Комбинация адаптивных функций и многомасштабные методы обнаружения используются для полного использования семантической и пространственной информации для улучшения конечной производительности детектора.

The terminological features of the subject area are taken into account and software tools are used to solve problems. Specialized Python software and mathematical software has been applied. Effectively use the information of remote sensing images from several sources to increase the accuracy of the obtained target characteristics. In order to overcome the difficulties associated with mesoscale diversity and small targets when detected by remote sensing, a new type of ARSF pyramid structure network has been developed. In order to make full use of cross-modal information between remote sensing images from multiple sources, a method for rapid fusion detection at the decision-making level based on DDIOU and the theory of weighted D-S data has been developed. A combination of adaptive functions and multiscale detection methods are used to fully utilize semantic and spatial information to improve the ultimate detector performance.