无人机航拍图像下的目标检测是近年来计算机视觉领域中的热点问题之一,可广泛应用在农业、物流和智慧城市等领域中。与自然场景的图像相比,无人机航拍图像具有以下特点:分辨率高、背景复杂、拍摄视角多变、目标尺度变化大等。传统的基于手工特征的检测方法已经很难满足精度需求,深度学习技术已经成为了研究的主要方向。本文针对无人机航拍图像下目标的尺度小、背景复杂和全局信息建模展开研究,主要工作及创新点如下:（1）针对无人机航拍图像中存在大量小目标的难点,本文在特征金字塔网络（Feature Pyramid Network,FPN）的基础上提出了一种新的特征融合网络:倒转解码特征金字塔网络（Inverted and Decoded FPN,ID-FPN）。该方法能够对不同层次的特征图进行有效融合,增强语义信息。实验表明ID-FPN可作为独立的特征提取结构应用到现有的检测算法中。使用了 ID-FPN的Faster R-CNN检测算法在无人机航拍数据集VisDrone上对小目标的检测能力得到了提升,较使用FPN结构提高了约1.5%的mAP。（2）引入非局部块（Non-local Block）对图片的全局信息进行建模。一般情况下,全局上下文信息对目标检测任务有很大帮助。但现有的检测算法在检测时对每个目标的检测都是独立的,没有充分考虑目标和目标之间的关系以及全局上下文信息。Non-local Block可以让检测器捕捉目标的上下文信息,有效减少错误分类和漏检。（3）针对背景复杂的问题,本文设计了一种基于注意力机制的目标检测算法（Attention Based Faster R-CNN,AB-Faster-RCNN）。该算法设计了一个基于感受野块（Receptive Field Block,RFB）的注意力机制,并引入了 ID-FPN和Non-local Block模块。注意力机制让卷积神经网络能够去除冗余的背景信息,增强特征的表达能力。实验表明AB-Faster-RCNN在VisDrone数据集上取得了领先检测水平,在mAP上比其它的两阶段检测算法高1.2%。