人类对海洋资源需求与日俱增，船舶作为开发和利用海洋的重要工具，对海域船舶进行监测管理显得尤为重要。论文以大幅面海面遥感图像为载体，提出了一种先预分类后检测的两阶段船舶目标检测算法。该算法具有准确率高、速度快的特点，为实现海域船舶监测提供有力的支持。论文主要工作如下：
　　首先，不同于一般通用目标检测任务，大幅面遥感图像目标检测具有图像幅面大、目标小且尺度变化范围大、背景干扰严重和计算量大的特点。本文提出了一种先预分类后检测的两阶段大幅面遥感图像目标检测算法，采用“分而治之”的思想，将大幅面遥感图像切分为子图处理，算法包括子图滑窗切分，子图预分类，子图目标检测以及检测结果合并四个步骤。实验结果表明，该方法可以快速准确地完成检测任务。
　　其次，结合遥感成像海面背景船舶分布特点，考虑云层遮挡下的海面背景，论文构建了大幅面遥感图像船舶检测数据集。在处理大幅面遥感图像过程中，为保证船舶在子图中的完整性，采用保证一定重叠率的子图滑窗切分方法。在子图预分类算法方面，论文研究并设计了一种基于自注意力机制的空间位置加权模块。相关实验证明，该模块可以有效提升分类算法召回率。
　　再次，针对目标检测算法中普遍存在的样本不平衡问题，本文提出一种基于样本损失均衡化的目标检测算法。该算法从分类回归损失均衡和网络参数设置两个方面展开研究，并设计基于参考框的目标检测网络结构。实验结果表明，相较于其他同类方法，该方法可以获取更准确的检测结果。
　　最后，考虑到目标检测算法中引入特征金字塔结构虽可以缓解目标尺度问题，但将带来目标尺度与感受野不匹配问题。本文构建了一种基于特征金字塔层间损失均衡化的目标检测算法，该算法通过平衡各层间损失大小，以保证各层参数均得到充分训练。实验结果表明，该方法能够获得准确率更高的检测结果。