遥感图像技术的发展促进了农业生产、预防自然灾害和军事预警等众多行业的发展。遥感图像目标检测是遥感图像解译的重要任务之一,是指在图像中准确地找到某类目标的位置。其输入为一幅遥感图像,输出为被检测目标的类别信息和坐标信息。遥感图像的尺寸往往是巨大的并且需要极高的检测响应速度。随着大规模的集成运算群的发展,使用先进的计算机技术处理遥感图像成为完成遥感目标检测任务的必要方法,故而针对遥感图像的目标检测算法研究成为热点。近年来,遥感科研工作者们提出了许多先进的目标检测算法并应用于众多行业。遥感目标的位置往往和所处场景联系紧密,然而背景中的信息并非所有都是有助于检测的上下文,甚至其中的部分信息会误导检测过程,从而降低模型性能。同时,遥感图像相机只能是高空俯瞰地物,使得遥感图像往往只有单一的自顶向下的视角,导致自身特征薄弱,进而使得检测过程容易被背景所主导。结合遥感图像的这些特点,现有方法仍然有不足之处。通过分析遥感图像的上述特点和系统地总结以往研究者的工作,本文开展了基于上下文的遥感目标检测方法研究,主要研究内容和创新工作包括:（1）针对目标检测过程中引入的背景中包含不期望的信息,提出了一种基于门函数的上下文双向融合结构。该方法首先通过池化层获取不同大小的上下文区域特征,然后构建双向融合结构。该结构设置了多个分支,按照上下文区域大小排序。不同分支之间进行信息双向融合,为目标引入上下文信息。最后在融合过程中通过门函数自适应地滤除掉不期望的信息。公开数据集上的实验结果表明,该方法可有效地引入上下文来提升性能。（2）针对目标识别过程中引入上下文会抑制目标本身信息的问题,在双向融合结构的基础上引入视觉注意力机制,提出一种基于分组注意的上下文双向融合目标增强方法。该方法在上下文融合过程中,通过分组注意使得目标本身的信息被增强。由于在视觉增强的过程中应用分组表达,所以更有利于融合过程中门函数筛选不期望信息且目标本身信息得到增强。公开数据集上的实验结果表明,该方法增强了目标本身的特征进而提升了检测性能。