近年来随着无人机技术的不断发展与完善,基于无人机平台的航拍目标检测也越来越受到广大研究者的关注。航拍目标检测不仅能在无人机侦察、导弹制导等军事领域得到应用,而且在交通监控、行人、车流检测、城市规划等民用领域也大放异彩。相对于普通目标检测任务来说,航拍图像的目标检测任务具有目标重叠、目标遮挡、大量小目标、疏密不一、易受天气影响等难点,尤其是小目标检测在目标检测领域一直是一大难点。当前针对航拍图像的目标检测算法并没有完全解决航拍图像的目标检测难点,而且普遍没有考虑目标检测的实时性,很难在实际场景中得到应用。基于以上问题,以YOLOv5目标检测算法为基础,对其加以改进,以适应航拍图像目标检测的精度与速度要求。首先,考虑到航拍目标检测任务有可能在雾天进行,因此增加了基于中心点加雾的数据增强方法以提高算法在雾天的鲁棒性;其次,结合通道注意力机制和空间注意力机制,将注意力机制应用与特征提取网络中,使特征提取层能关注于不同通道与空间的重要性,提高网络对主要特征信息的重视;然后使用ASPP模块替换SPP模块,在获取更大感受野,提取更多特征信息的同时,减少了最大池化操作对小目标不友好的影响;最后通过融合浅层特征信息的方式,并在此基础上进行网络剪枝操作,最终得到的算法在不降低检测速度的同时,检测精度得到了良好的提升。针对航拍目标检测的难点提出的四点改进策略,有效的解决了航拍目标检测精度不高、实时性效果差的难点,检测精度m AP＿0.5提高7.8%、m AP＿0.5:0.95提高4.5%,检测速度FPS维持不变,与其它算法相比,改进后的算法在精度与速度方面均有竞争力。