在空中和卫星图像分析领域，自动检测混乱场景中的地理空间目标是一项严峻的挑战。 在本文中，我们提出了一种新颖的实用框架，该框架通过整合可视显着性模型和稀疏编码的判别式学习，可以高效且同时检测遥感图像（RSI）中的多类地理空间目标。 首先，通过学习从各种视觉特征到专家手动注释的地理空间图像中显着对象的地面真值集的直接映射，来建立计算显着性预测模型。 该模型的输出可以预测少量的目标候选区域。 然后，与针对每种目标类别进行独立训练的典型模型相反，我们训练了一种多类别目标检测器，该探测器可通过使用区分性稀
