随着深度学习的兴起,计算机视觉得到很大的发展,而目标检测作为计算机视觉的重要研究领域,吸引了众多科研工作者投身其中。目标检测应用广泛,其主要任务是在输入的图像上对目标进行检测。如今,数据呈现井喷式的发展,而深度学习又需要大量的数据用以训练学习,基于这个大环境下,性能优越的目标检测算法不断被科研工作者提出。目标检测可用于很多场景中,其基本要求是保证检测目标的精确度。但是因采样设备、采样环境、目标尺度等原因,其检测精度往往会因这些外界因素无法得到保证。而且在一些场景任务中,如无人机检测当中,又要保证检测的实时性,一些检测性能优越的算法计算量较大,保证了检测精度的前提下又无法保证实时性,无法应用到一些具体的场景当中。所以在目标检测领域中,依然有诸多问题等待解决。本文主要研究航拍图像的目标检测,在航拍图像中,小目标分布密集并带有方向,且尺寸较小,因其尺寸过小,随着卷积神经网络的深入,在深层特征的表达中小目标的语义信息基本被忽略,而浅层特征却能较好的表达小目标的语义信息。针对这一问题,受融合特征层思想的启发,对基础网络VGG16进行改进,选择合适的浅层、深层特征组合获得融合特征。为解决检测结果与真实目标不匹配的问题,本文在提议网络增加了全连接层,并通过学习与真实目标之间的相对偏移,最终输出旋转后的Ro I,对旋转Ro I进行特征抽取,池化,再进行分类与回归。该设计有效解决了水平边界框在航拍图像检测中存在的不匹配问题。随着神经网络的加深,网络模型容易出现过拟合,为了防止出现这种问题,本文采用了一些优化策略,如通过旋转、平移、裁剪的办法扩充数据集,批标准化处理,L2正则化操作等。本文所提出的模型在没有增加过多计算资源的情况下有效解决了航拍图像检测中存在的不匹配问题并提升了检测精度,防止模型出现过拟合的情况,在公开数据集DOTA上取得的实验结果验证了该模型的有效性。