本项目属于遥感图像处理中的目标识别领域，提供一种红外遥感图像舰船检测方法，解决现有基于人工设计特征的检测方法过程繁琐、鲁棒性低、适用范围窄等问题和基于深度学习红外遥感图像复杂海洋环境下舰船目标小，存在大量漏检和误检的问题。其主要方案包括，创建红外遥感舰船数据集，进行线下数据增强，并将数据集划分成训练集、验证集、测试集；将划分后的训练集输入改进的RefineDet检测网络进行训练，该检测网络的核心是基础特征提取网络ResNet101和结合视觉显著性模块CBAM的特征金字塔特征融合模块FPN，检测过程是一种两步级联回归的模式，将有助于提高舰船目标的类别识别和位置回归精度，网络输出阈值过滤后的类别置信度和回归框再采用非极大值抑制即得最终的舰船目标检测结果。