计算机软硬件的快速发展极大地促进了计算机视觉技术的发展与应用,以目标检测为典型代表的计算机视觉技术正服务于人类生产生活领域的诸多方面,例如人脸识别、安防监测以及智能驾驶等。通过让计算机学会理解和分析视频图像数据,解放了部分单调重复的人力劳动,加速了人类社会的数字化转型。作为计算机视觉领域的基础性研究之一,目标检测算法的主要任务是精确识别并定位出每幅输入图像中所有感兴趣的物体,其预检测质量将直接决定目标跟踪、视频分析等与之相关的计算机视觉算法的表现。目标检测研究从传统算法过渡到了深度学习算法。然而,多种类目标物体尺度变化大的检测难题仍亟待更好的解决措施。本文分别从增强卷积神经网络的特征抽象表达和改进特征金字塔网络的特征融合设计两方面有效地提升多尺度物体的检测精度,并提出了新的检测器模型。具体来说,本文的主要研究内容和贡献有以下三个方面:（1）本文提出一种可变感受野的深度卷积神经网络。已有的检测器大都直接使用针对分类任务提出的卷积神经网络作为主干网络提取图像特征,分类任务对图像特征的抽象表达要求较低,而检测任务需要同时完成对多种类、多尺度物体的分类和定位,这要求主干网络提取的图像特征同时具备良好的抽象语义和空间细节信息。本文分析了感受野对于检测结果的重要影响,在已有的选择性核卷积模块中引入空间注意力机制,使其能够同时在通道和空间两个维度上动态调整神经元感受野大小,并仿照ResNet网络提出了选择性核残差单元和可变感受野卷积神经网络,最终实现针对目标检测任务优化的图像特征提取,实验数据充分说明了该方法的高效性。（2）本文提出一种自适应特征融合的特征金字塔网络。特征金字塔网络通过将深层语义信息添加到浅层特征图中,较为有效地提升了多尺度检测的性能。考虑到现有的特征融合实现大多采用启发式设计,容易出现语义性和空间性分布不均的问题,本文提出的多步融合模块能够有效解决上述的不均衡问题。为了权衡不同尺度特征的增强需求,另外引入参数共享的全局上下文模块实现自适应特征深度融合,提高了特征金字塔网络的自主学习性,实验结果验证了该设计的先进性。（3）本文提出一种新的检测器模型。该检测器模型依托于基础检测器FCOS,本文将其主干网络ResNet-FPN分别替换成上述两项改进网络,并将检测头网络的中心分支同时关联到分类和回归两条分支。在公共检测数据集上的对比实验表明,该检测器模型的性能表现相较于FCOS基准取得了明显提升,达到了同类型检测器的先进水平。