遥感图像目标检测作为一个基本但具有挑战性的任务,被广泛应用于军事侦察、城市规划等领域。然而由于遥感图像具有目标尺度差异大、背景复杂、存在噪声等特征,当前基于深度学习的遥感图像目标检测方法仍然存在检测精度低、误检率高等缺陷,难以满足实际应用的要求。为了提高遥感图像目标检测的准确性,本文针对遥感图像中目标的特性,提出了基于Transformer多尺度融合的遥感图像目标检测方法和基于Transformer推理的遥感图像目标检测方法。本文的主要研究内容如下:（1）针对现有目标检测方法在特征融合时没有充分考虑多尺度特征图相关性这一问题,本文提出一种基于Transformer多尺度融合的遥感图像目标检测方法。该方法首先使用特征聚合模块学习特征图之间跨尺度跨空间的关系,在维持特征聚合模块输出特征图尺寸保持不变的条件下,充分挖掘目标类别与位置之间的关联性,进一步获取更加丰富的特征。其次,引入基于注意力机制的通道感知网络,增强遥感特征图在通道维度的相关性,达到抑制背景信息、增强目标信息的目的。最后,模型预测网络由分类子网络、中心度子网络、回归子网络组成,并构建Focal Loss损失函数和GIOU Loss损失函数以指导特征聚合模块和通道感知模块的训练。（2）针对多尺度特征融合网络未引入目标推理的问题,本文在多尺度特征融合方法的基础上提出了基于Transformer推理的遥感图像目标检测方法。首先将通道感知网络的输出及表征目标类别关系与位置关系的可学习向量输入到Transformer解码器中,对遥感图像中可能出现的目标进行特征表示。其次,针对引入编码器-解码器模块后模型预测速度变慢的问题,引入尺度缩减模块降低两个模块中多头注意力计算的复杂度。最后,在计算损失函数时,本文先利用匹配函数对解码器输出的预测结果与真实标签框的结果进行匹配,再采用标准交叉熵损失、L1损失、联合GIOU损失对模型进行训练。本文使用NWPU VHR数据集和DOTA数据集对本文所提方法进行实验对比及验证分析,实验表明,本文所提出的两种目标检测方法在检测精度与运行效率两方面均优于常用的目标检测检测模型。