Diferente de las imágenes tradicionales de escenas naturales, las imágenes ópticas de teledetección remota (RSIs) sufren de diversas orientaciones de imagen, fondos desordenados y varios tipos de escenas. Por lo tanto, los métodos de detección de objetos relevantes para RSIs ópticos requieren una localización y segmentación efectivas para lidiar con escenarios complejos, especialmente objetivos pequeños, oclusión grave y múltiples objetivos. Sin embargo, los resultados experimentales de los modelos existentes son incapaces de distinguir objetos relevantes y fondos utilizando límites claros. Para abordar este problema, introducimos información de límites para realizar la detección de objetos relevantes en RSIs ópticos. Específicamente, primero combinamos las características de nivel bajo y alto del codificador (es decir, información espacial y semántica local abundante) a través de una operación de interacción de características, generando información de límites. Luego, las señales de límites se introducen en cada bloque decodificador, donde las características del decodificador se dirigen a enfocarse más en los detalles de los límites y los objetos simultáneamente. De esta manera, podemos generar mapas de relevancia de alta calidad que pueden resaltar objetos relevantes de RSIs ópticos de manera completa y precisa. Se realizan experimentos extensos en un conjunto de datos público (es decir, conjunto de datos ORSSD), y los resultados experimentales demuestran la efectividad de nuestro modelo en comparación con los modelos de relevancia de vanguardia.