在计算机视觉中,小目标是指在图像或视频中,分辨率较低且对比度较低的目标。小目标检测是在图像或视频中,定位和识别这些小目标。由于小目标在整幅图像或视频帧中占据的空间尺寸很小,加剧了这类目标检测的难度,因此小目标检测是计算机视觉研究领域的一大挑战。现有的小目标检测是以计算成本为代价来提高小目标检测的准确率。近年来,人工智能取得了长足的进步,并且被应用到了各个领域中。而人工智能也在计算机视觉领域得到应用。本文阐述了基于深度学习的小目标检测发展情况,并重点阐述了在小目标检测中存在的问题,分析影响小目标检测的因素及其相关知识,分析了目前国内外对小目标检测算法的研究情况。在此基础上,设计了一种基于YOLOv3目标检测算法的小目标检测模型。经过网络结构的调整与相关参数的优化,该方法通过一次处理即可对图像中的小目标进行识别和定位,有效的提高了小目标在图像检测中的识别率。并在此基础上,设计了一个物与物的上下文检测模型,加入了图像中目标之间的上下文信息。在YOLOv3通过卷积网络后进行目标分类时,根据训练得到的上下文矩阵改变相关类别的目标概率。这种方法在实验中对小目标的检测起到了一定的帮助作用,提高了小目标的识别率。