目前很多目标检测需要先进行快速准确的椭圆检测,从一张图片中快速准确地检测出椭圆成为一个必要的研究问题,然而在椭圆检测中存在一图多椭圆、类椭圆、椭圆嵌套、缺失椭圆、小椭圆等诸多问题,到目前为止还没有一种算法能够准确快速地检测出这些椭圆,所以椭圆检测的应用受到限制。本文突破性地提出一种基于深度网络架构的椭圆检测算法,即先用深度学习中的目标检测算法将一幅图中的椭圆框取出来,使得目标框最大可能地去除噪声并和椭圆相切,之后本文在现有目标框的基础上进行椭圆检测。通过对一幅图片中的各个目标框区域分别进行椭圆拟合,有效地减少了椭圆拟合时弧段匹配的过程,进而显著地提高了椭圆检测的快速性;通过限制弧段检测范围来解决嵌套椭圆的问题;传统方法检测不出来的类椭圆问题本文也可以先利用目标框的方式进行定位框取,之后在此基础上放松验证条件来解决类椭圆的问题;因为目标框几乎和椭圆相切,所以当本文判断目标框小于一定阈值时,直接按照与目标框相切的算法画出椭圆,进而解决小椭圆缺失的问题。因此,本文提出的算法可以有效地解决的一些传统椭圆检测算法解决不了的问题。本文在三个现实图片的数据集上进行了大量实验,验证了所提出的算法确实可以有效解决嵌套椭圆、类椭圆、小椭圆等问题,并且在准确度方面已经达到了和传统椭圆检测算法相近的准确度效果。