Para detectar con precisión objetos de teledetección a múltiples escalas en fondos complejos, proponemos un novedoso método de detección de objetos adaptativo basado en transformadores. La red principal del método es una red de transformadores de visión de doble atención que utiliza atención de ventana espacial y atención de grupo de canales para capturar interacciones de características entre diferentes objetos en escenas complejas. Además, diseñamos una red de agregación de caminos adaptativos. En la red diseñada, se utiliza CBAM (Módulo de Atención de Bloque Convolucional) para suprimir la información de fondo en los caminos de fusión de mapas de características de diferentes niveles, y se introducen nuevos caminos para fusionar mapas de características del mismo nivel y aumentar la información de características de los mapas de características. La red diseñada puede proporcionar información de características más efectiva y mejorar la capacidad de representación de características. Los experimentos realizados en los tres conjuntos de datos de RSOD, NWPU VHR-10 y DIOR muestran que la precisión de nuestro método es del 96.9%, 96.6% y 81.7%, respectivamente, lo cual supera a los métodos de detección de objetos comparados. Los resultados experimentales muestran que nuestro método puede detectar objetos de teledetección de manera más efectiva.