针对DSOD目标检测算法对小目标检测能力较弱的问题，提出在DSOD中引入RFB_a网络模块和Atrous卷积层予以改进。首先，该算法将DSOD网络的第二个转接层产生的特征图输入到RFB_a网络模块中，经过RFB_a网络不同采样步长的Atrous卷积提取具有不同感受野的特征，为后续检测小目标步骤提供所需特征；其次，为了增加特征图的语义信息，在第二个无池化转接层后加入采样步长为6的Atrous卷积层；最后，在损失函数中加入IOG惩罚项，防止在预测密集的同类型目标时出现同类预测框重叠，从而避免在NMS后处理时出现漏检。实验表明，该算法相对于原DSOD算法具有更高的检测精度，提高了对小目标的检测能力，同时降低了训练网络的硬件设备要求。