唐卡图像作为中华民族的文物瑰宝,其内容题材涉及宗教、历史以及民俗等诸多方面。对唐卡图像头饰和台座进行目标检测不仅可以有效地帮助人们理解图像中蕴含的丰富内涵,亦为推进文化强国提供了基础。由于唐卡图像具有背景信息复杂、检测目标外观复杂且多样以及图像质量低等特点,进而对唐卡图像的目标检测提出了更高的要求。基于深度学习的目标检测算法取得了丰硕的成果,然而由于唐卡图像自身的特殊性,头饰和台座的检测在检测精度和速度上还有着提升的空间。针对上述问题,本文选取唐卡图像中的头饰和台座进行检测研究,其主要研究内容和创新点如下:（1）建立唐卡图像目标检测数据集。从学校图书馆和美术学院收集883张唐卡图像,处理成统一的格式;其次,使用精灵标注助手对唐卡图像头饰和台座进行矩形框标注;最后对标注数据集进行分析,发现各样本类别间极度不均衡,利用翻转、高斯噪声和随机遮挡等方法对唐卡图像进行增强,从而提高了检测算法在唐卡图像目标检测中的泛化能力。（2）针对唐卡图像有着背景信息复杂、检测目标外观复杂且多样以及图像质量低等特点,常规的检测器难以有效检测目标、存在漏检问题。本文以YOLOv5检测算法为基线,提出层次化视觉Transformer和注意力机制双重优化的目标检测算法。首先,利用Focus模块对输入图像切片,通过Swin Transformer提取切片后的图像特征;其次,利用卷积核融合不同层的特征信息,得到多尺度特征图;最后,使用自注意力机制对Neck模块融合的特征进行处理。实验结果表明,改进后的YOLOv5算法检测精度比原始的YOLOv5算法提升了5.12%,其检测精度亦优于其他主流的目标检测算法。（3）考虑到YOLOv5算法中固定Anchor损害了算法的普适性,此外大量的候选框生成也影响着检测算法的性能。本文进一步结合唐卡图像的特性,以Anchor free的YOLOX为基线,提出了一种改进YOLOX的唐卡图像目标检测算法。首先,利用坐标注意力机制融合了Darknet53特征提取网络提取出来的特征图,加强了远程依赖信息和精确位置信息;其次,提出了一种新的特征融合方法Trans FPN,其在特征融合时能更好地丰富了全局特征和上下文特征的语义信息,提高了检测目标的准确率。实验结果表明,改进的YOLOX算法具有更好的检测精度,在唐卡图像上检测精度提高了6.4%。