海面目标的检测和识别在军用和民用方面都有着重要的意义,传统的目标检测方法在海面目标检测和识别中受到尾浪、海杂波等问题影响,容易出现虚警和漏检的情况,且传统方法还存在检测精度低和速度慢等问题。近年来,深度学习在计算机视觉领域很多应用方面取得了显著的成果,但在航拍海面图像的目标检测和识别中研究甚少。本文首先分析并讨论了深度学习在目标检测中的应用及在海面目标(如:舰船、岛屿等)检测中的可行性,并且构建了海面目标图像数据集,然后研究基于回归思想的YOLO v2网络模型,并用于对海面目标的定位和识别,实现了海面目标实时检测,接着提出了通过在线难例挖掘和Faster R-CNN网络相结合的方法对海面目标进行检测,解决正负样本不均衡及复杂样本检测效果差的问题。最后通过在线难例挖掘算法对Faster R-CNN检测算法进行改进,实验验证了算法对海面多目标检测的有效性。