随着对地观测技术和人工智能技术的高速发展，高分辨率光学成像卫星不断出现，遥感大数据时代已经到来。舰船目标作为常用的运输交通工具，利用海量高分辨率大幅面遥感图像，实现舰船目标快速精准检测，将在海面救援、航路规划等应用中起到重要作用。然而，由于受到图像幅面巨大、目标分布稀疏、目标外观变化丰富、有标注训练样本不足等因素的限制，目前基于图像的目标自动检测效率低且容易产生虚警。为了满足大幅面稀疏目标快速检测的实际需求，本文以海面离岸舰船检测为代表场景，研究了场景分类和目标检测等关键技术，设计了一套能够快速搜索大幅面图像、定位重要目标区域、智能分配检测任务的分类—检测框架，主要工作和研究内容归纳如下：

      1. 介绍了可见光遥感图像快速目标检测的相关技术，分析大幅面图像特点，为快速检测算法的研究提供了指导。总结了目前遥感场景分类、目标检测和识别算法的现状，分析了不同算法的优缺点。

      2. 基于注意力机制的四阶段遥感离岸舰船快速单类目标检测算法：能够实现高召回率的单类别舰船目标检测，有效解决多尺度、样本多变等带来的挑战，通过实验验证了算法的有效性。并且该检测器具有参数量小和计算量小的显著优点，能够广泛适用于各类设备。

     3. 基于噪声标签蒸馏的弱监督遥感场景分类训练方法：该方法基于师生框架，能够适应不同噪声等级的数据标签。提出该算法主要目的是在遥感图像标签数量不足、数据更新频繁的条件下，降低人力成本的同时尽可能利用更多的数据提升网络的泛化能力和精度，提高模型训练自动性与智能性。所提出的弱监督学习方法还能够用于完全干净的数据，作为知识蒸馏框架使用，利用大模型的高效学习能力提升轻量化模型的性能。

      4. 基于场景编码注意力的快速离岸舰船多类目标检测算法：面向稀疏目标场景，使用分类—检测框架，通过场景分类器识别过滤无目标区域，减少后续检测识别模型的计算开销。进一步针对过滤得到的区域分配目标检测任务，利用场景分类器生成的前景-背景编码融合目标检测特征，最终实现快速高效定位离岸舰船位置，同时能够识别13类舰船目标。