针对原始的FasterR-CNN算法存在的网络退化以及对小目标物体检测效果不佳的情况，本文提出了一种基于FasterR-CNN算法的改进型算法。使用残差ResNet50网络取代VGG16网络来解决网络退化问题。针对经典NMS方法存在的直接删除冗余候选框的问题，使用Soft-NMS方法进行替换，减少重叠物体漏检的情况。根据小目标物体的定义，新增两个锚点，重新设置了长宽比，对数据集前处理后使用多尺度训练方法，降低小目标物体的漏检率和误检率。根据实验结果表明，本文改进后的算法精度达到了96.4%，对比原始算法精度提高了8.3%，可以满足对重叠、密集等情况下的小目标物体的识别与检测。