基于改进的DEIM野外复杂环境下的目标检测方法

本发明公开了一种基于改进的DEIM野外复杂环境下的目标检测方法，本发明通过引入ODConv模块，对卷积核空间四个维度的并行注意力学习，动态调制卷积核，捕捉目标细微特征，有效提高了对相似干扰物的区分能力；构建了wConv‑C3k2模块，通过引入空间密度函数动态调整卷积核权重，这使得模型能够优先处理目标的核心特征，削弱背景噪声的干扰，并提高空间特征提取的质量；引入了MDFP模块，通过三个互补分支分别提取语义、纹理、位置特征，无加权保留小目标细节，减少下采样过程中的关键特征丢失，显著增强小目标检测能力，还小幅降低了模型计算量与参数量。