针对目标检测中背景复杂、遮挡严重、尺度不同等问题，提出了一种基于YOLOv3的多尺度高分辨率特征融合网络yolov3-f。首先，在backbone和neck之间增加了一个空间金字塔池结构。在融合了局部特征和全局特征后，特征映射丰富了特征映射的表达能力，有利于待检测图像中目标大小的较大差异。其次，在四尺度检测层的基础上增加了三尺度检测层。通过保留高分辨率特征地图的位置信息，提高小目标识别的准确性。漏检率YOLOv3损失函数的目标是提高YOLOv3损失函数的效率，最终降低YOLOv3损失函数的效率。在自制的CT6号数据集上对改进算法进行了测试。错误检测率降低了1.8%，准确率提高了3.6%。