在空对地遥感检测中，目标所占视场比例小、视角单一、易受背景干扰且视场高度变化大，这给传统深度学习检测算法带来了挑战。针对该问题，提出一种场景耦合的多任务目标检测算法。首先，设计了一种新的场景耦合目标检测网络结构，将场景分类特征图和目标检测特征图在同一尺度上进行镜像融合，丰富了网络特征描述的细粒度；其次，设计了差异化激活模块，实现特征通道的重要性筛选；然后，推导了多任务耦合的网络优化函数，实现了目标检测损失和场景分类损失的同步优化；最后，建立了空对地目标检测多任务数据集，对所提方法的有效性进行验证