海上周围信息的感知和获取是智能船舶自主安全航行的核心技术之一。对其他船舶的智能自主避让和动态路径规划实现的最重要前提是对本船舶可视范围内其他船舶的实时性检测和高精度识别,这对推动船舶的无人化和智能化具有重要的研究意义。目前基于深度学习的船舶目标检测算法主要包括:RCNN,Fast RCNN,FasterRCNN,SSD以及YOLO算法等,其中检测速度快和精度高的深度学习算法为YOLO算法。而YOLO算法在目标定位、小目标检测以及遮挡船舶的检测仍然存在不足之处,极大影响船舶目标检测的精度和召回率。针对上述YOLO算法所具有的不足之处,本文的创新点如下:1.针对目标定位不准的问题,本文利用GIOU替代MSE实现更精准的坐标定位;2.针对小目标检测困难的问题,本文结合DSSD网络增加对小目标的信息的获取,提高对小目标检测的精度;3.针对遮挡船舶检测困难的问题,本文提出利用改进的NMS算法实现对遮挡船舶的检测。为表明本文所提出算法的有效性,首先,利用传统的中值滤波、均值滤波以及维纳滤波相结合的方式对图片进行滤波和降噪处理。以此来实现减少待识别图片的噪声;其次,利用随机翻转、裁切等数据增广的方式对船舶训练集扩充;最后,将所重新改进设计的网络算法与当前比较流行的FPN网络、SSD网络、RetinaNet网络架构在精度、速度、召回率方面进行比对,结果表明,所提出的算法能够解决船舶目标定位不准、小目标检测困难以及船舶遮挡的问题,并且,所提出的算法在准确性和召回率方面胜于其他先进的目标检测算法,有效证明本文所提出算法的有效性。