针对航母甲板面舰载机密集易遮挡，舰载机目标难以检测，且检测效果易受光照条件和目标尺度影响的问题，提出了一种改进的更快的区域卷积神经网络(Faster R-CNN)舰载机目标检测方法。该方法设计了带排斥损失策略的损失函数，并结合多尺度训练，利用实验室条件下采集的图片对深度卷积神经网络进行训练并测试。测试实验显示，相对于原始Faster R-CNN检测模型，改进后的模型对遮挡舰载机目标具有良好的检测效果，召回率提高了7个百分点，精确率提高了6个百分点。实验结果表明，所提的改进方法能够自动全面地提取舰载机目标特征，解决了遮挡舰载机目标的检测问题，检测精度和速度均能够满足实际需要，且在不同的光照条件和目标尺度下适应性强，鲁棒性较高。
