由于水下环境的复杂性,使得水下场景的目标检测相比于陆空的目标检测更具挑战性。水下生物因生活习性和外界沉积物因素造成的水生物间遮挡、重叠,以及水下图像存在对比度低、细节模糊、颜色偏差等是目前水下目标检测的难点问题。针对现有检测方法对水下遮挡目标的检测精度低以及漏检的问题,本文提出一种融合GAN的Faster R-CNN水下遮挡目标检测方法,旨在提高模型在遮挡、重叠场景下的检测精度,降低漏检目标的个数。主要研究工作如下:1、采用图像预处理的方式解决数据集中水下图像细节模糊、颜色退化的问题;通过随机遮挡的方式扩充数据集中遮挡样本数量,为模型训练提供充足的数据。2、生成对抗网络（GAN）中引入残差块,并通过跳跃连接的方式进行特征融合,提高生成特征的质量,缓解网络传递过程中梯度消失的现象。3、对Faster R-CNN进行改进,使用ROI-Align将候选区中的特征图映射为大小固定的特征图,进一步提升网络的检测精度;柔和的非极大值抑制算法（Soft-NMS）替换原有的非极大值抑制算法（NMS）,降低了遮挡、重叠情境下的目标漏检个数。4、将改进的Faster R-CNN与优化的GAN进行融合,利用GAN生成遮挡的图像特征,并放入改进Faster R-CNN中,进一步改善模型在遮挡、重叠场景下检测精度低、漏检的问题。