随着遥感卫星平台的多样化以及图像空、时、谱分辨率的提升,空间遥感探测技术的不断突破。基于遥感图像的大视场目标检测技术在军事、民用领域有着迫切的应用需求,尤其在当前人工智能图像感知技术飞速发展的时代。然而,遥感场景复杂多样、光照变化以及不同天候造成图像的质量不稳定,目标在场景中存在显著的差异、目标之间尺度差异较大等问题。目前主流的遥感图像目标检测方法仍存在一些问题亟待解决。本文在目前深度学习图像解译相关理论的基础上,针对遥感目标检测领域存在的相关难点,提出一种基于深度视觉感知建模的大视场多类遥感目标检测方法,主要研究工作和成果如下:(1)针对的遥感图像大视场场景复杂、虚警干扰因素多的难点,本文提出在目标检测网络中构建语义-视觉特征,表征目标场景的复杂特性。本方法主要利用密集连接卷积模块中层与层之间独特的连接方式,提取丰富的语义特征。基于视觉注意力增强模块在通道和空间维度提取视觉特征;并融合两个维度的特征信息,构建出深层次的结构特征来进行复杂场景的特征表达。通过一系列的对比分析实验,此方法在有效的实现对于遥感目标的辨识。(2)针对遥感目标在同一场景中尺度差异较大、目标占比小而排布密集的难点,本文提出在目标预测阶段采用多尺度特征融合的方法。通过进一步融合语义-视觉特征,提升对于目标特征的表征能力。此外,融合不同尺度的特征图,构建多层次的感受野区域,进而克服目标在场景中尺度差异特性。此算法在目标预测阶段不仅对于多尺度的目标实现了有效的预测,对于小而密集的目标也实现了可靠的检测(3)针对遥感目标复杂大视场检测干扰多,虚警因素高的问题,本文着重分析了虚警和漏检典型情况,提出一种基于轻量级卷积神经网络的虚警剔除方法。该方法在识别网络Peleenet的基础上,减少网络的深度。并利用深度可分离卷积,加强网络层与层之间的连接。实现了一种更加适用于遥感目标虚警剔除的方法。此外,本文在虚警剔除阶段,还提出一种差异化置信度范围提取策略,该方法有效的避免了大量虚警判别,进一步提高了剔除虚警的速度。通过实验验证,此方法在剔除虚警方面具有显著的性能。在上述的关键技术研发的基础上,本文实现了一套大视场多类遥感目标检测的软件,对各类复杂遥感图像背景中的目标实现了精准的检测。本文在多种公开标准数据库复杂大视场遥感数据的支撑下,通过定量核定性的对比分析实验,验证了本文算法的有效性。