近年来,深度学习算法已广泛应用于图像分类、目标检测、图像识别、遥感图像的变化检测等领域。遥感图像的变化检测可以获取到土地资源的利用与变化信息,植物、房屋、山岭、海洋等变化信息,可以用于地震、滑坡、海啸等遥感图像中自然灾害的检测,可以用于军事上战场动态信息变化检测、各种军事设备损坏结果评估及兵力部署变化检测等方面。高分辨率遥感图像包含的地物特征信息非常丰富,传统的变化检测算法主要基于像元级别,对于高分辨率的地物特征的处理过于敏感,导致变化检测的虚警率特别高,并且传统的算法比较耗时,需要大量的人工参与。针对传统变化检测的算法对于高分辨率遥感图像存在的一些问题,本文研发了一个基于C-Yolov3模型的高分辨率遥感图像的变化检测系统。系统中针对高分辨率遥感图像的特点,分析并实现了灰度差值法、灰度比值法、典型相关分析法、PCA等算法;分析了 Yolov3模型,将传统算法与深度学习Yolov3模型进行整合并结合区域相关性算法设计实现了高分辨率遥感图像的变化检测的C-Yolov3模型,提高了变化检测的总体精度、检测率和Kappa系数;结合地物的纹理、结构、特征,系统能够推荐基于图像内容的检测算法,给出的流程化的检测步骤,并采用网站的方式,统一通过服务器进行运算。