为了解决人体穿戴目标的视觉检测中尺寸变化、光线明暗、部分遮挡，尤其是相似目标区分等导致的识别速度慢、抗干扰能力差、误检漏检等问题，提出了一种基于细粒度特征提纯的穿戴目标快速检测方法（fast fine-grained feature with vision transformer, F³ViT）,在CBAM结构中增加跳跃连接，获取具有空间与通道双重特性的特征图，同时保留了更丰富的原始信息；融合自注意力机制和卷积神经网络，提升主干网络对于全局信息的感知；设计了一种有利于多尺寸目标检测的特征金字塔网络，同时提取浅层位置信息和深层语义信息，大幅提高了检测精度。在MS COCO数据集上进行了消融实验，验证了各个模块对网络的影响，同时在对比实验中证明了所提方法具有有效性和先进性。在MS COCO 2017数据集上AP50值达到60.5,AP值达到35.0,检测速度5.7 ms。对比YOLOv5s在精度相似的同时检测速度提高18.6%,算力需求降低33.3%,参数量降低16.7%。本方法在高空安全带数据集上的AP值达到62.5,优于主流深度学习的目标检测方法。