Los detectores de una sola etapa tienen desventajas de precisión insuficiente y capacidad de cobertura deficiente. YOLOF (You Only Look One-level Feature) ha logrado un mejor rendimiento en este sentido, pero aún hay margen de mejora. Para mejorar la capacidad de cobertura de objetos de diferentes escalas, proponemos un detector de objetos de una sola etapa mejorado: Dq-YOLOF. Hemos diseñado un codificador de salida que emplea una serie de módulos que utilizan convolución deformable y SimAM (Módulo de Atención Simple). Este módulo reemplaza la convolución dilatada en YOLOF. Este diseño mejora significativamente la capacidad de expresar detalles. Simultáneamente, hemos redefinido la estrategia de selección de muestras, que optimiza la calidad de las muestras positivas basándose en SimOTA. Puede asignar dinámicamente muestras positivas según su calidad, reduciendo la carga computacional y haciéndolo más adecuado para objetos pequeños. Los experimentos realizados en el conjunto de datos COCO 2017 también verifican la efectividad de nuestro método. Dq-YOLOF logró un 38.7 , 1.5 más alto que YOLOF. Para confirmar mejoras en el rendimiento en objetos pequeños, nuestro método se probó en conjuntos de datos de sedimentos urinarios y drones aéreos para generalización. Destacadamente, mejora el rendimiento al mismo tiempo que reduce los costos computacionales.