En este artículo, presentamos YOLO-DCAP, una versión mejorada de YOLOv5, para abordar los desafíos de la localización de objetos en imágenes satelitales (alta variabilidad de objetos, baja resolución espacial e interferencia de características clave con ruidos como nubes y luces urbanas). YOLO-DCAP mejora el rendimiento de la localización de objetos en imágenes satelitales al integrar el bloque MDRC (Convolución Residual Dilatada Multiescala), que captura características multiescala con diversas tasas de dilatación, y el módulo AaSP (Agrupación Espacial Asistida por Atención), que se centra en regiones espaciales de relevancia global. Los resultados experimentales en tres conjuntos de datos satelitales (perforación mesosférico, onda de gravedad en la atmósfera superior y remolino oceánico) muestran que YOLO-DCAP mejora el rendimiento en un promedio del 20,95 % en mAP50 y del 32,23 % en IoU, en comparación con el modelo YOLO de referencia y los modelos de vanguardia. Esto demuestra la robustez y la generalización del método propuesto. El código está disponible públicamente.
