1.一种基于MCD-YOLO网络的遥感图像目标检测方法，其特征在于，包括如下步骤：步骤1、获取公开的遥感数据集并预处理；

步骤2、配置训练环境；

步骤3、构建MCD-YOLO网络模型，所述MCD-YOLO网络模型以YOLOv8网络作为基础网络，将YOLOv8网络的主干网络中的C2f模块替换为C2f_LVMB模块作为特征提取模块，在主干网络中的SPPF模块中融入CA注意力机制；将YOLOv8网络的头部网络采用轻量化旋转框检测头替换原始的检测头；

原始的所述YOLOv8网络的主干网络中设置有4个C2f模块，将后面的两个替换为C2f_LVMB模块；所述C2f_LVMB模块为使用VSSBlock模块代替C2f模块中的Bottleneck模块；

所述C2f_LVMB模块提取特征的方法为：

首先使用1*1卷积将输入特征图的通道数i改变为模型配置文件中指定的输出通道数m，然后通过Split函数将输入分为两个通道数为0.5*m的分支，其中一个分支通过n个VSSBlock模块提取图像特征，然后经过n个残差连接与另一个分支拼接起来得到通道数为(n+2)*0.5m的特征图，最后经过1*1卷积将通道数改变为m就得到了输出；

所述轻量化旋转框检测头的构建方法为：采用分组卷积替代原始检测头中的标准卷积，从而得到轻量化检测头，然后在轻量化检测头的基础上，添加了输出通道数为1的角度分支，并结合sigmoid激活函数将输出映射到所需的角度范围，最终与回归信息和类别置信度共同组成输出，从而构建了轻量化旋转框检测头；

所述MCD-YOLO网络模型采用MPDIoU作为损失函数，算法如下：定义两个任意凸性状：

对于A和B，(x1

(x1

d1

d2

MPDIoU＝(A∩B)/(AUB)-d1

步骤4、应用预处理后的数据集训练并验证MCD-YOLO网络模型；

步骤5、将待检测的遥感图像作为输入通过预训练的MCD-YOLO网络模型进行目标检测。

2.根据权利要求1所述的基于MCD-YOLO网络的遥感图像目标检测方法，其特征在于，所述预处理方法为：通过分割来处理高分辨率图像，从而将图像划分为固定大小的块。

3.根据权利要求2所述的基于MCD-YOLO网络的遥感图像目标检测方法，其特征在于，所述分组卷积的分组数g设置为输入通道数的八分之一。

4.根据权利要求3所述的基于MCD-YOLO网络的遥感图像目标检测方法，其特征在于，所述分组卷积把通道数为c1的输入数据分为g组分别卷积，每组的通道数为输入通道数的g分之一，即c1/g，每组卷积核的深度也变为了输入通道数的g分之一，即c1/g，而每组卷积核的个数变为了输出通道数c2的g分之一个，然后用每组的卷积核与它们对应组内的输入数据卷积，得到输出数据之后，再用拼接的方式组合起来，最终的输出通道数仍是c

5.根据权利要求1所述的基于MCD-YOLO网络的遥感图像目标检测方法，其特征在于，所述MCD-YOLO网络模型的训练方法为：将数据集按照7：3划分为训练集和验证集，设置的训练系数为400轮次，每次训练输入的图片为8张，训练过程时通过wandb实时观察训练过程，训练结束后，保存训练好的权重。