【摘要】高密度区建筑阴影相互覆盖形成伪边缘，易导致边界像素混淆，难以获取建筑物遥感图像低通和高通特征，导致检测准确率较低，针对这一问题，本文提出一种基于更快的区域卷积神经网络（Ｆａｓｔｅｒ Ｒ⁃ＣＮＮ）的建筑物遥感图像目标检测方法。 采用经典三维块匹配（ＢＭ３Ｄ）算法对原始遥感图像进行去噪处理，利用非下采样轮廓波变换模型对图像进行变换，提取图像低通和高通特征。将非下采样轮廓波变换模型输出向量输入到 Ｆａｓｔｅｒ Ｒ⁃ＣＮＮ 中，实现基于 Ｆａｓｔｅｒ Ｒ⁃ＣＮＮ 的建筑物遥感图像目标检测。 实证表明：设计方法平均精度（ＡＰ）在 ９０％以上，平均精度均值（ｍＡＰ）在 ０???? ９ 以上，可实现对建筑物遥感图像目标的精准检测。