YOLO V3作为一种多尺度的目标检测算法,结构简单,可快速检测。但在训练过程中,由于底层的卷积层中包含较多的目标细节信息,而通过不断的卷积,底层的信息会被逐渐淡化掉。针对于此,本文利用改进的金字塔结构,将浅层特征图的细节信息和高层的语义特征信息进行融合,从而提高检测效果。在特征提取网络的残差连接中加入注意力机制,使得具有注意力效果的梯度能流入更深的网络中,通过在YOLO V3中加入注意力机制提升检测精度。即提出一种基于金字塔模型和注意力机制的YOLO V3目标检测算法。将改进后的算法和原有算法在COCO 2014数据集上进行对比实验,结果表明改进后的YOLO V3算法在mAP上有所提升,证明了它的可行性。