合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动微波遥感器,在国民经济领域和国防军事领域具有重要意义。随着SAR相关技术的发展,对SAR图像进行快速准确的目标检测具有非常重要的研究价值。近年来,卷积神经网络算法快速发展,特征提取能力越来越优异。利用卷积神经网络进行SAR目标检测,能取得比传统算法优秀的检测结果。但是,基于卷积神经网络的SAR目标检测方法也存在一些问题:1)网络的训练需要大量切片级标记的训练样本,然而在实际中对SAR图像进行切片级标记十分耗时费力;2)复杂场景的SAR图像中含有较多杂波,会对检测带来不良的影响。本文将针对这两个问题进行深入研究。论文的主要工作如下:1、针对目前全监督SAR目标检测网络的训练需要大量切片级标记样本的问题,在第三章,提出一种基于自学习的SAR目标检测方法。相比于切片级标记,仅标记图像中是否含有目标的图像级标记较为容易,因此可以利用大量图像级标记的样本和少量切片级标记的样本,通过半监督学习算法训练网络。所提方法通过半监督自学习算法对网络进行训练,首先使用少量切片级标记的SAR图像训练目标检测网络,收敛后通过候选区域提取网络获得初始候选区域集;然后将图像级标记的杂波SAR图像输入网络,挑选输出结果中的杂波切片加入候选区域集;接着将图像级标记的目标SAR图像输入网络,按照一定规则在预测结果中挑选切片加入候选区域集;最后使用更新后的候选区域集再次训练网络。挑选切片和训练网络交替进行直至训练结束。基于实测SAR数据集的实验结果表明,所提方法在少量切片级标记训练样本和大量图像级标记训练样本的情况下可以取得较好的性能,并且与全部训练样本都进行切片级标记的全监督方法性能相差不大。2、针对SAR图像中大量的自然杂波和人造杂波会影响目标检测的性能,以及传统目标检测网络的训练需要大量切片级标记训练样本的问题,在第四章,提出一种基于半监督注意力的SAR目标检测方法。所提方法在网络结构中设计两条支路:检测网络支路和场景识别网络支路。在训练过程中,切片级标记SAR图像输入检测网络支路,图像级标记SAR图像输入场景识别网络支路,网络的总体损失函数是两个支路损失函数之和,两个支路共享基础网络并联合训练。此外,所提方法在两个支路的共享网络部分加入注意力机制,通过学习到的注意力图自动地对目标区域进行增强,并对杂波区域进行抑制,重点关注目标区域,降低杂波对检测性能的影响,降低检测的虚警率和漏警率。基于实测SAR数据集的实验结果表明,所提方法在少量切片级标记训练样本和大量图像级标记训练样本的情况下,可以取得比现有方法优异的性能。