La tecnología de detección de objetos de imágenes de teledetección óptica se ha aplicado ampliamente en investigaciones militares, planificación de tráfico y monitoreo ambiental, entre otros. En este documento, se propone un método para resolver el problema de detección de objetos pequeños en imágenes de teledetección óptica. En el método propuesto, las unidades de atención híbrida de dominio (HDAUs) de mecanismos de atención de canal y espaciales se combinan y se emplean para mejorar la capacidad de extracción de características y suprimir el ruido de fondo. Además, diseñamos una red de fusión de características ponderadas dinámicas multiscale (MDW-Net) para mejorar la optimización adaptativa y la fusión profunda de capas de características superficiales y profundas. El modelo se entrena y prueba en el conjunto de datos DIOR, y se realizan algunos experimentos de ablación y comparativos. Los resultados experimentales muestran que el mAP del modelo propuesto supera en gran medida al de YOLOv5 en +2.3 y tiene ventajas obvias en cuanto al rendimiento de detección para categorías de objetos pequeños, como aviones, barcos y vehículos, lo que respalda su aplicación para la detección de objetivos pequeños en imágenes de teledetección óptica.