目标检测是计算机视觉领域中一个十分重要的任务,也具有十分广阔的应用前景。近几年来,随着深度学习技术的不断发展与成熟,目标检测也取得了飞速的进展,虽然整体精度不断提升,但是小目标的检测问题一直是目标检测任务中的一大难点。本文将关注点放在小目标的检测上面,从两种不同的小目标检测任务为切入点,对小目标检测目前存在的一些问题进行了研究分析并分别提出了对应的解决方案,最终将改进成果融入到目标检测系统中。本文的具体工作如下:首先,本文提出了一种基于SSD算法的改进算法,对SSD算法在检测小目标时出现的问题进行了具体的分析,从更好的保留小目标特征、提升小目标被训练的概率以及提升小目标的损失三个角度入手,分别提出对应的解决方案,通过多次试验,最终证明本文的方法可以有效提升包含多种尺度变化的数据集中小目标的检测精度。其次,本文提出了一种基于混合注意力机制和加权特征融合的小目标检测方法。针对以小尺寸目标为主的检测场景,对不同网络层输出的特征图能保留的小目标信息做出了分析并设计出一种加权特征融合的方法并引入混合注意力机制使模型更加关注重要信息,最终通过实验验证并给出了最终的解决方案。最后,本文设计了一个目标检测系统。该系统可以用于展示目标检测的结果,并且进行数据化评估,以图像和文字两种形式对最终的检测结果进行直观的展示。