针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其专用于小目标的检测。由于小目标所占的像素少,特征不明显,提出对原网络输出的8倍降采样特征图进行2倍的上采样,与第二个残差块(Res block)输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第二个残差块中增加2个残差单元(Resnet unit)。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的网络在VEDAI航拍车辆数据集上与YOLO V3进行对比试验,结果表明改进后的网络能有效检测小目标,对小目标的召回率和检测的平均准确率都有明显的提升。