基于光学遥感图像的舰船检测已成为国内外研究的热点,无论在军事领域还是在民用领域都有着重要的应用价值。现有的舰船检测方法仍存在旋转特征敏感、尺度变化大、角度边界等问题。针对这些问题,本文提出了一种基于等变向量场的两阶段检测方法以及一种基于锚框稀疏和特征增强的单阶段检测方法。本文的主要工作如下:（1）基于等变向量场的两阶段舰船检测方法。为了适应舰船目标任意取向的特点,更好地提取旋转敏感特征,引入等变向量场到检测网络。设计了一个特征提取器,通过旋转卷积核的方式对方向信息进行编码,并对方向通道进行解析。现有的回归损失函数均存在角度边界不连续问题,当预测角度超出定义范围时,损失函数会出现突增,不能有效地对边框进行回归。基于此问题,本文对回归损失函数进行了平滑优化,进一步提升了模型的检测精度。为了将模型分类能力最大化,充分利用旋转不变性特征,在类别标签的基础上增加了组别标签,通过度量候选区域间的距离来衡量类别间的差异以及旋转不变性的差异。在HRSC2016和DOTA数据集上,模型精度分别达到94.15%和92.76%。（2）基于锚框稀疏和特征增强的单阶段舰船检测方法。通过旋转锚的方式生成候选区域会导致漏检、重复检测等问题,并且难以满足实时性的需求。本文提出了一种锚框稀疏方法,通过后验交并比选取高质量正例锚框,并对困难负样本和普通负样本进行抽样,保证正负样本的平衡。遥感图像地表分辨率变化很大,不同类别的舰船也有着很大差异。为了适应舰船目标的尺度变化,更好地平衡位置信息与语义特征,在特征金字塔网络的基础上,通过不同大小的空洞卷积核对特征图进行精细采样以获取更丰富的感受野。为了抑制噪声干扰,增强重要区域和重要通道特征,本文基于通道域和空间域构造了一个注意力机制模块,根据坐标注意力机制的思想将注意力沿两个方向聚合,更好地保留位置信息。模型在HRSC2016数据集上精度达到92.23%,在DOTA数据集上精度达到91.72%,推理速度达到15.4fps,满足了检测精度和实时性的需求。