摘要：针对内河环境下小型船舶目标检测精度较低,以及船舶目标检测易受近岸复杂背景信息影响的问题,基于YOLOv5s做出改进,提出SACAM-YOLOv5船舶目标检测算法。首先,引入上下文增强模块,利用空洞卷积特性,获取上下文信息,加强模型对小型船舶目标检测能力;其次,利用可切换空洞卷积特性,设计C3_SAC模块用于取代原主干网络中特定位置的C3模块,通过扩大主干网络提取特征图感受野,增强特征图所含信息,减少复杂背景的影响,从而提升网络特征提取能力;最后,改进损失函数,引入NWD且与CIoU_Loss共同作为新的边界框损失计算函数,降低小目标检测中位置偏差的影响,提升小型船舶目标检测性能。使用Seaships船舶数据集对上述改进方法进行验证,结果表明,本文SACAM-YOLOv5算法相较基准模型,在精度、召回率和mAP@0.5上分别提升2.2%、2.0%和2.7%,分别达到98.6%、98.1%和99.5%,满足船舶目标检测性能要求,具有一定的工程实际意义。