Con el objetivo de abordar los desafíos de los objetivos pequeños y densamente agrupados en imágenes de teledetección, proponemos un modelo de segmentación de instancias de alta resolución llamado QuadTransPointRend Net (QTPR-Net). Este modelo mejora significativamente el rendimiento de la segmentación de instancias en imágenes de teledetección. El modelo consta de dos módulos principales: extracción preliminar de características de borde (PEFE) y refinamiento de características de puntos de borde (EPFR). También creamos un enfoque y estrategia específicos llamados TransQTA para la selección de puntos de incertidumbre de borde y procesamiento de características en imágenes de teledetección de alta resolución. La fusión de características a múltiples escalas y las tecnologías de transformadores se utilizan en QTPR-Net para refinar máscaras ásperas y características detalladas para los puntos de incertidumbre de borde seleccionados, equilibrando el tamaño del modelo y la precisión. Basándonos en experimentos realizados en tres conjuntos de datos públicos: NWPU VHR-10, SSDD e iSAID, demostramos la superioridad de QTPR-Net sobre enfoques existentes.