La detección de objetivos infrarrojos es un campo aplicado popular en la detección de objetos, así como un desafío. Este artículo propone el YOLO basado en mecanismos de enfoque y atención (FA-YOLO), que es un método mejorado para detectar vehículos infrarrojos ocultos en el complejo fondo de imágenes de teledetección. En primer lugar, utilizamos GAN para crear imágenes infrarrojas a partir de conjuntos de datos visibles para generar conjuntos de datos suficientes para el entrenamiento, así como el uso de transfer learning. Luego, para mitigar el impacto de la información de fondo inútil y compleja, proponemos el mecanismo de enfoque en muestras negativas para centrarnos en el entrenamiento de muestras negativas confusas y así reducir los falsos positivos e incrementar la precisión de detección. Finalmente, para mejorar las características de los pequeños objetivos infrarrojos, añadimos el módulo de atención de bloque convolucional dilatado (dilated CBAM) al CSPdarknet53 en el esqu