arXiv:2511.17147v2 Announce Type: replace 
Abstract: Remote sensing imagery is widely used across various fields, yet real-time detection remains challenging due to the prevalence of small objects and the need to balance accuracy with efficiency. To address this, we propose DMG-YOLO, a lightweight real-time detector tailored for small object detection in remote sensing images. Specifically, we design a Dual-branch Feature Extraction (DFE) module in the backbone, which partitions feature maps into two parallel branches: one extracts local features via depthwise separable convolutions, and the other captures global context using a vision transformer with a gating mechanism. Additionally, a Multi-scale Feature Fusion (MFF) module with dilated convolutions enhances multi-scale integration while preserving fine details. In the neck, we introduce the Global and Local Aggregate Feature Pyramid Network (GLAFPN) to further boost small object detection through global-local feature fusion. Extensive experiments on the VisDrone2019 and NWPU VHR-10 datasets show that DMG-YOLO achieves competitive performance in terms of mAP, model size, and other key metrics.

تم اقتراح كاشف خفيف الوزن في الوقت الحقيقي يسمى DMG-YOLO للكشف عن الأجسام الصغيرة في صور الاستشعار عن بعد، مما يعالج التحديات مثل انتشار الأجسام الصغيرة والحاجة إلى تحقيق التوازن بين الدقة والكفاءة. يتضمن الكاشف وحدة استخراج ميزات ذات فرعين ووحدة دمج ميزات متعددة المقاييس لتعزيز قدرات الكشف.

Se ha propuesto un nuevo detector ligero en tiempo real llamado DMG-YOLO para la detección de objetos pequeños en imágenes de teledetección, abordando desafíos como la prevalencia de objetos pequeños y la necesidad de equilibrar precisión y eficiencia. El detector cuenta con un módulo de extracción de características de doble rama y un módulo de fusión de características a múltiples escalas para mejorar las capacidades de detección.

Un nouveau détecteur léger en temps réel, nommé DMG-YOLO, a été proposé pour la détection d'objets petits dans les images de télédétection, répondant aux défis tels que la prévalence d'objets petits et la nécessité d'équilibrer précision et efficacité. Le détecteur comprend un module d'extraction de caractéristiques à double branche et un module de fusion de caractéristiques multi-échelles pour améliorer les capacités de détection.

A new lightweight real-time detector named DMG-YOLO has been proposed for small object detection in remote sensing images, addressing challenges such as the prevalence of small objects and the need for accuracy and efficiency. The detector features a Dual-branch Feature Extraction module and a Multi-scale Feature Fusion module to enhance detection capabilities.

A lightweight detector for real-time detection of remote sensing images

Was this article worth reading? Share it

LucidQuery AI

Attentive AI

Lenso.ai

GPTHumanizer

Dyad

Chroma

Ready to build your own newsroom?