当今计算机和网络技术发展迅速,各种相关的科技应用越来越多的渗透到广大人民群众生活的方方面面,安全快速的信息传播极大地丰富人民群众的业余生活。各种社交网络和自媒体等成为人们获取信息消遣娱乐的重要手段。但一些不良的信息也越发猖獗的传播。藏独分子利用互联网信息传播渠道丰富、方便快捷的优势在网络上散步国家分裂的反动信息,影响社会稳定,危害网络空间安全。检测图片中的旗帜是本文的主要研究内容,在查阅国内外相关文献和实验室之前工作的基础上,改进了之前进行藏独旗帜检测的相关算法,意在提高效率,提升表现。主要工作:1、重新构建了一个藏独旗帜的图片数据集,其中包含有不同大小、部分遮挡、扭曲形变、不同光照条件下的旗帜;2、使用空洞卷积(Dilated Convolution)和深度方向可分离卷积(Depthwise Separable Convolution)改进了用于检测的卷积神经网络,同时沿用了之前的1x1卷积设计等要素;分析了不同的优化算法的收敛效果与网络的性能。3、利用选择性检索(Selective Search)进行图片区域的提名,减少计算量以期提高性能,提出一种基于NMS的改进的区域融合方法进行候选区域合并和目标标示。最后本文通过分析实验结果,进一步验证了本文所提出的基于改进的卷积神经网络模型在藏独旗帜检测任务中的可以发挥巨大作用。