遥感图像目标检测任务具有挑战性,这是因为遥感图像中的目标具有尺寸变化大、方向角度多变、排列密集等特性,极大的增加了检测难度。本文对此展开了进一步探究,所提算法基于Faster R-CNN而改进,具体研究内容如下:（1）深层特征图感受野大、空间分辨率低,目标所需的细节局部特征很难从深层产生,继而导致一些尺寸小、排列密集、具有稀疏纹理和低对比度的目标难以被有效检测。针对这一问题,多尺度特征融合与注意力机制被认为是有效解决多尺度目标检测难题的重要方法,本文从这两个主线出发。首先,使用了特征金字塔（Feature Pyramid Network,FPN）结构,它是弥补单一尺度特征图预测性能不足的有力举措。另外,提出了尺度感知通道空间注意力机制（Scale-aware Channel and Spatial Attention Mechanism,SCSAM）,它由高效通道注意力（Efficient Channel Attention,ECA）机制和尺度感知空间注意力机制（Scale-aware Spatial Attention Mechanism,SSAM）两个模块串联组成,前者使网络学习通道之间的相关性;后者则用于引导网络关注不同尺度的关键信息区域,处理一些具有稀疏纹理和低对比度的目标,提升对尺度变化和噪声的鲁棒性。（2）Faster R-CNN设计初衷是为了检测自然场景图像中的目标,应用在遥感图像检测中部分结构存在缺陷。而且遥感图像的训练样本数量相对缺少,难以满足大型网络模型训练需求,导致训练效果不理想。为解决以上问题,对Faster R-CNN部分结构作出改进。具体而言,将区域生成网络（Region Proposal Network,RPN）部分的非极大值抑制（Non-Maximum Suppression,NMS）算法替换为Soft-NMS,减少目标的漏检;将Ro I Pooling层替换为了Ro I Align,后者采用双线性插值原理,保证了Ro I resize前后平移的等价性。同时针对遥感图像标签数据有限的问题,将Image Net上预训练好的网络参数迁移至本文算法,给网络提供良好的初始值,保证收敛性。（3）边界框问题是遥感图像检测的难点,本文主要研究分析了当前三种主流边界框的表示方法以及各自存在的缺陷,提出了一种基于旋转边界框回归的I-FPNAM-GV方法。该方法提出了一种改进的FPN结构,并将滑动顶点表示法引入至本文算法,最后使用旋转非极大值抑制（Rotated Non-Maximum Suppression,R-NMS）作为Fast R-CNN部分的后处理算法,从整体上构建了一个端到端的训练过程。实验在NWPU VHR-10和DOTA两个遥感图像数据集上进行,实验结果证明了所提算法的有效性。