摘要:在合成孔径雷达图像舰船目标检测中，由于背景复杂多变，传统的基于人工特征的目标检测方法效果较差. 基于深度学习中的单阶段目标检测算法RetinaNet，结合合成孔径雷达图像本身特征信息较少的特点，采用了多特征层融合的思想，改进了网络特征提取能力，提出了相适应的损失函数的计算方法. 采用SAR图像舰船目标检测数据集（SSDD）对网络进行训练，并通过样本增强和迁移学习的方法提升算法的鲁棒性和收敛速度. 通过实验与其他基于深度学习的目标检测算法所得结果进行比较，结果表明本算法具有更高的检测精度.