目前基于深度学习算法的目标检测技术在合成孔径雷达（SAR）图像船舶检测中取得了显著的成果，然而仍存在着小目标船舶和近岸密集排列船舶检测效果差的问题。针对上述问题，提出了基于改进RetinaNet的船舶检测算法。在传统RetinaNet算法的基础上，首先，将特征提取网络残差块中的卷积改进为分组卷积，以增加网络宽度，从而提高网络的特征提取能力；其次，在特征提取网络的后两个阶段加入注意力机制，让网络更加专注于目标区域，从而提升目标检测能力；最后，将软非极大值抑制（Soft-NMS）加入到算法中，降低算法对于近岸密集排列船舶检测的漏检率。在高分辨率SAR图像数据集（HRSID）和SAR船舶检测数据集（SSDD）上的实验结果表明，所提改进算法对于小目标船舶和近岸船舶的检测效果得到了有效提升，与当前优秀的目标检测模型Faster R-CNN、YOLOv3和CenterNet等相比，在检测精度和速度上更加优越。
