遥感图像目标检测是目标检测的一个重要分支。近年来,随着卫星图像的分辨率提高和无人机技术的发展,遥感图像目标检测的重要性日益上升,在民事、军事中都发挥着重要作用,如测绘制图、交通建设、灾害监测和军事解析等。不同于一般目标检测,由于遥感图像分辨率高、目标多样、背景复杂等特点,在检测中会面临以下问题:一是可能出现较多尺寸小且分布密集的目标;二是俯视视角下目标的方向是任意的;三是广阔的视野拥有复杂的背景,带来实例级的噪声。本文针对遥感图像目标检测的难点,做出了以下研究:1)为了解决遥感图像中目标小而密集问题和复杂背景带来的实例级噪声问题,本文设计了一种紧密连接的特征融合网络,生成的浅层特征图包含更丰富的语义信息,便于后续的位置预测和分类,提高遥感图像目标检测中小目标的检测精度,降低漏检率。对于噪声影响,本文设计了一种抑制噪声的网络结构。该结构借助1×1卷积压缩特征的特点,通过特征维度的压缩与扩张,生成更为紧密的特征图,抑制特征信息中的独立噪声;同时加入通道注意力模块,增强网络的抑制效果。2)以卷积神经网络为基础,设计了一种单阶段遥感图像目标检测模型,并装载了本文提出的噪声抑制网络与紧密连接的特征融合网络。此外,本文对损失函数进行了改进,一定程度上缓解了正负样本不平衡问题。在遥感数据集DOTA、HRSC2016、UCAS-AOD上进行实验,结果表明,本文设计的网络有效提高了遥感图像目标检测精度,在小目标检测上的效果尤为显著。3)本文利用网络编程技术,设计了一个便捷的遥感图像目标检测系统,实现了图像上传检测、检测记录查询、历史结果下载等功能。该系统基于客户端/服务端的网络体系结构,部署在服务器上,后台算法调用的是服务器资源,用户可以在任意设备上访问前端页面完成检测,具有很强的实用性,对深度学习遥感目标检测算法的落地应用提供了一种可行方案。