目标检测是计算机视觉领域中非常重要的研究方向之一,是计算机识别图像、理解图像的基础,亦是计算机进行判断、推理和决策的前提。它广泛的存在于安防中的遥感图像敌军目标检测,机器人中的目标定位,医疗中的计算机辅助诊断等诸多应用领域。同时目标空间定位则需确定图像中目标的空间位置,目标检测在目标深度空间定位上的应用,可进一步实现从二维图像处理到三维空间的目标感知。因此,对目标检测算法与应用研究具有十分重要的意义。近年来,随着深度学习技术的不断深入,目标检测算法在迅猛发展的同时仍存在:大幅面高分辨率图像检测精度低、效率低;小样本集下尤其是复杂场景目标检测性能不高;以及目标检测在目标空间定位上的应用尚有待完善等问题。为此,本文针对上述问题,对基于深度视感知学习的目标检测算法和应用展开了如下研究*。(1)为解决大幅面高分辨率图像目标检测精度低的问题,提出了一种基于YOLO(You Only Look Once)的高分辨率遥感图像视感知目标检测算法。所提算法主要包括:基于视觉注意机制的子区域提取,子区域目标检测,目标语义关联抑制三个部分。首先,基于视觉注意机制的子区域提取能将计算资源转移到包含目标的子区域中,降低了计算复杂度。随后,利用基于YOLO学习网络的目标检测模型得到预选目标,进而在卷积神经网络中使用越层连接,既能保持较高的实时性,又提高了小目标的检测精度。最终,利用所提目标语义关联抑制对预选目标进行筛选,通过学习目标之间的关联关系,来抑制图像中不可能出现的目标,降低了虚警率。与经典算法对比结果表明,所提算法提高了大幅面高分辨率图像的目标检测精度。(2)在上述(1)的研究过程中,发现训练样本集的大小是影响目标检测精度的关键原因,为此,本文又提出了一种面向小样本集的深监督学习目标检测算法。所提复合样本生成器生成了更多可用于训练的复合图像和对应标签。同时,所提算法在网络模型中使用的深监督学习和多层预测结构不仅能够缓解过拟合和梯度消失问题,还能兼顾不同尺寸目标的检测,有效的提升了目标检测精度。此外,由于弱特征目标检测效果较差,本文还设计了一种语义关联的方法,能够有效提升复杂场景中弱特征目标的检测精度。经B3DO小样本集的验证,表明所提算法与对比算法相比具有较好的目标检测性能。(3)为进一步提高目标检测算法在目标空间定位上的应用能力,本文将检测到的目标结合深度图像,提出一种目标的尺寸测量与空间定位应用模型。目标检测提供了目标语义信息和像素位置信息,深度图像提供了目标距离信息,两者有机结合必将提高目标尺寸测量和空间定位的准确度。所提应用模型主要包括源数据采集与目标检测模型集成、相机标定、目标尺寸测量和空间定位四个关键步骤。实验结果表明了本文所提算法在目标空间定位和尺寸测量方面具有较高的准确度。基于该应用算法本文设计了微视目标感知与定位软件,该软件可应用于高温或封闭空间等环境中无接触式目标尺寸测量和空间定位。