近年来,深度学习已发展成以人工神经网络算法为核心的算法体系,其中目标检测与识别是一个重要的研究方向。国内外研究人员在卷积神经网络框架下提出了多种目标检测与识别模型,在速度和检测精度等方面具有良好的性能。目标检测的首要工作是分类并识别出数据集中的物体。目标检测应用在很多生活和工作中,其中在机器人视觉、无人机监控检测、自动驾驶与预警、人机交互和智能视频监控等领域都有所应用,并且正在进行大量的研究。本文在SSD(Single Shot MultiBox Detector)框架的基础上,采用VGG-16网络作为框架的骨干网,引入特征金字塔网络结构,对最后四层的卷积层进行特征提取。本文使用了Pascal VOC2007及其Pascal VOC2012数据集进行实验,做数据格式转化训练及其网络测试的任务。最终,检测结果显示改进的目标检测模型可以检测到更多的小尺寸物体,增强了检测的精度。本文将目标检测和界面进行结合,能够在目标检测界面中集成显示原始图片、检测图片、文件解析和结果分析四个功能模块,这是一种基于卷积神经网络的目标检测界面系统。通过操控界面的方式,实现自行检测图片,通过文本显示目标检测的分析结果,可以更加直观的看到目标检测的精度和效果。本系统的特点是可以使复杂图片中多种类目标的位置、类别和精确度清晰地展现在目标检测界面,使用户一目了然地看到目标检测结果。