遥感目标检测是遥感图像理领域中一个重要的研究内容。由于遥感图像中目标尺度变化大、小目标较多、且场景复杂等特点,给遥感目标检测带来了巨大的挑战。本文主要研究了基于注意力机制的遥感目标检测算法,主要工作包括:（1）提出了一种基于多级注意力机制的遥感目标检测方法。该方法通过对感受野模块输出的特征进行注意力机制特征加权操作,改进了常见的基于深度卷积网络的遥感目标检测方法。由于遥感小目标易受到复杂的背景干扰,从而影响到目标特征的判别性能,导致出现遥感小目标漏检现象。为了解决这个问题,本文通过对深度网络中的浅层特征进行注意力机制特征加权,并直接在浅层的特征层上进行小目标的位置预测,从而可以增强小目标的特征学习能力。实验结果表明该方法具有较好的检测性能。（2）提出了一种图结构注意力机制与可变型卷积网络相结合的无锚框遥感目标检测方法。在遥感目标检测任务中,感兴趣的遥感目标具有外观尺度变化大、背景复杂等特点,使得常规的基于固定锚框的检测算法很难对目标进行精确表征。针对该问题,本文提出采用无锚框的目标检测框架,并结合图结构注意力机制与可变型卷积网络来提高目标检测的性能。实验结果证明了该方法的有效性。