为提升在不同复杂场景下的车辆检测性能，提出一种基于改进Mask　R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力；在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合，缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确，并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明，改进的Mask　R-CNN车辆检测算法相比原Mask　R-CNN算法在复杂场景下具有更高的检测精度，在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%.