目标检测是计算机视觉研究领域的一个主要方向,在图像检索和视频监控等方面具有重要的研究意义和广阔的应用前景。目标检测简而言之,就是利用图像本身包含的信息进行分析,最终获取人们感兴趣目标的位置及类别信息,实现对于图片场景的智能分析。随着信息技术的快速发展,目标检测技术发展也日新月异。而目标检测领域里,红外图像中的弱小目标检测无论在军事还是民用领域,均具有很高的价值。本文主要研究图像中红外弱小目标的检测方法,主要以红外相机所拍摄的无人机作为待检测的目标,对传统的红外图像中弱小目标检测算法进行测试分析,并针对基于深度学习的目标检测方法进行改进,使其拥有对于红外弱小目标检测能力。本文主要研究及工作内容如下:1.对传统的红外弱小目标检测算法进行了介绍,并对于每种理论选取了具有代表性的方法进行了仿真实验。介绍了具有代表性的深度学习目标检测方法,并对其针对红外弱小目标的检测能力进行验证,证明单纯的使用现有的深度方法进行红外弱小目标训练与检测存在很多不足,需要加以改进。2.介绍了基于FreeAnchor理论的目标检测的主要思想,解释了这种检测方式具有高召回率的原因。对基于FreeAnchor检测方法的骨架网络和归一化方式进行了改进,使其能够更好的提取更浅层的特征,实现对于红外弱小目标的检测。评估了方法的性能,证明该方法能够针对红外弱小目标进行检测,并提升了检测率。3.介绍了YOLOv3目标检测的主要思想与算法结构。基于YOLOv3目标检测方法,针对红外图像中弱小目标快速检测方法进行了改进,改进了原方法的骨架网络,特征提取部分,损失函数和激活函数。实验结果证明该方法基本在略微损失实时性的情况下实现了对于红外图像中弱小目标较精确检测的效果。