En la actualidad, los métodos existentes tienen muchas limitaciones en la detección de objetivos pequeños, como la baja precisión, una alta tasa de detección falsa y la detección perdida. Este documento propone el algoritmo KPE-YOLOv5 con el objetivo de mejorar la capacidad de detección de objetivos pequeños. El algoritmo tiene tres mejoras basadas en el algoritmo YOLOv5. En primer lugar, logra un tamaño más preciso de las cajas de anclaje para los objetivos pequeños mediante la tecnología de agrupamiento K-means++. En segundo lugar, el módulo de atención scSE (compresión y excitación espacial y de canal) se integra en el nuevo algoritmo para fomentar que la red base preste mayor atención a la información de características de los objetivos pequeños. Por último, se mejora la capacidad de extracción de características de objetivos pequeños aumentando la capa de detección de objetivos pequeños, lo que también aumenta la precisión de detección de objetivos pequeños. Evaluamos KPE-YOLOv5 en el conjunto de datos VisDrone-2020 y comparamos el rendimiento con YOLOv5. Los resultados muestran que KPE-YOLOv5 mejora el mAP de detección en un 5.3% y aumenta el P en un 7%. El algoritmo KPE-YOLOv5 tiene un mejor resultado de detección que YOLOv5 para la detección de objetivos pequeños.