航拍目标检测是利用目标检测算法检测航拍图像中的特定目标的技术，是计算机视觉领域的重要问题之一。航拍目标检测在军事目标智能识别，遥感影像解析以及民用航空等领域具有广阔的应用前景。航拍图像中的目标有以下特点:（一）航拍图像中的目标形态受颜色变化，长宽比变化以及复杂背景的影响较大;（二）航拍图像中目标的角度变化比较大，常规的手工设计的特征难以描述角度变化大的航拍目标。本文提出使用深度卷积网络的特征组合提取航拍目标的角度不敏感特征。本文研究了卷积网络的特征和目标角度之间的关系，并提出采用基于分割的感兴趣区域提取算法以改进航拍目标检测算法的框架。我们标定了SDL高清航拍数据集，并对数据集中的飞机和汽车进行了检测，验证了本文算法的有效性。　　本文的主要贡献如下:　　1.本文提出了应用高维数据可视化工具来描述目标的特征与角度的关系。从卷积神经网络的特征分析着手，发现了卷积网络某些层的特征可作为角度不敏感特征描述子。　　2.基于角度不敏感特征描述子，本文提出了航拍图像的非旋转检测框架。该框架使用基于图像分割的算法进行感兴趣区域提取（粗定位），然后进行精确检测。这个框架比原本的旋转原图的框架在准确率上有了较大的改进。　　3.针对目标检测需要标定大量训练样本的问题，本文提出采用弱监督学习的方式进行正例挖掘，以减轻传统的手工标定带来的人力负担;并在航拍飞机数据集上做了正例挖掘实验，实验表明，本文的算法能够较好地挖掘出正例样本。