Este estudio buscó abordar el problema de la extracción insuficiente de información de objetos superficiales e información de límites al usar estructuras tradicionales de FPN en los algoritmos actuales de detección de objetos, lo que degrada la precisión de la detección de objetos. En este documento, se propone un nuevo modelo de estructura FPN, DA-FPN. DA-FPN reemplaza la convolución 1 x 1 utilizada en la estructura FPN convencional para la conexión lateral con una convolución deformable 3 x 3 y agrega un módulo de alineación de características después de la operación de submuestreo 2x utilizada para la conexión lateral. Este diseño permite que el marco de detección extraiga información más precisa sobre el límite del objeto, en particular la información de límites de objetos pequeños. También se agregó un módulo ascendente para incorporar la información superficial del objeto de manera más precisa en el mapa de características de alto nivel, y se agregó un módulo de alineación de características al módulo ascendente, mejorando así la precisión de la detección de objetos. Los resultados experimentales muestran que DA-FPN puede mejorar la precisión de los algoritmos de detección de objetos de una sola etapa FoveaBox y GFL en un 1,7% y 2,4%, respectivamente, en el conjunto de datos MS-COCO. También se encontró que este modelo mejora el algoritmo de detección de objetos de dos etapas SABL en un 2,4% y ofrece una mayor precisión en la detección de objetos pequeños y una mejor robustez.