城市违章建筑违法占用公共资源,影响城市形象,且存在极大的安全隐患,而目前我国城市管理主要还是采用效率低下的人工方式对违章建筑进行检测。无人机航摄技术的不断普及和深度学习的日益成熟,使基于无人机航摄图像和深度学习方法的违章建筑目标检测成为可能,为此,本文主要采用深度学习方法研究无人机航摄图片中违章建筑的检测方法。由于违章建筑种类较多,不同类别的违章建筑不仅特征差异大,而且样本规模也不同,本文针对不同类型违章建筑以及小样本类型分别进行研究。本文主要研究内容如下:(1)提出基于Faster RCNN的无人机航摄图像中违章建筑目标检测方法。结合违章建筑中数据量较大的彩钢瓦和阳光房的特征属性,对Faster RCNN中RPN网络进行改进,使其能够有效检测出无人机航摄图像中的彩钢瓦和阳光房。(2)提出基于迁移学习的小样本违章建筑目标检测方法。为解决板房数据较少的问题,采用迁移学习的方法,将已经训练完成且效果较好的彩钢瓦检测模型作为源模型迁移到数据量较少的板房检测中,并利用非生成式数据增强方法对数据集进行增强,提高了对板房模型的训练效率和检测精度。(3)提出基于DCGAN的小样本增强违章建筑目标检测方法。针对非数据增强可能存在的过拟合问题,采用深度卷积生成对抗网络DCGAN研究小样本违章建筑类型的数据增强方法,为减少背景噪声对生成图像的影响,使生成图像中的目标更加接近真实样本中的图像,将生成的样本数据与原有数据进行合成以扩展样本规模,提高了样本数据的多样性和模型检测精度。本文提出的基于深度学习与无人机航摄技术的城市违章建筑检测方法,可大幅度降低人工检测的工作量,提升城市违章建筑的检测效率,为城市违章建筑的快速精准检测提供了理论与应用基础。