El crecimiento y la sostenibilidad de la economía global actual dependen en gran medida de operaciones marítimas fluidas. Las crecientes preocupaciones de seguridad en los entornos marinos plantean desafíos de seguridad complejos, como el contrabando, la pesca ilegal, la trata de personas y las amenazas ambientales, para los métodos de vigilancia tradicionales debido a sus limitaciones. La inteligencia artificial (IA), particularmente el aprendizaje profundo, ha ofrecido fuertes capacidades para automatizar la detección de objetos, la identificación de anomalías y la conciencia situacional en entornos marítimos. En este documento, hemos revisado los modelos de aprendizaje profundo de última generación propuestos principalmente en la literatura reciente (2020-2025), incluidos las redes neuronales convolucionales, las redes neuronales recurrentes, los Transformers y las arquitecturas de fusión multimodal. Hemos destacado su éxito en el procesamiento de diversas fuentes de datos como imágenes de satélite, AIS, SAR, radar y entradas de sensores de UxVs. Además, las técnicas de fusión de datos multimodal mejoran la robustez al integrar datos complementarios, lo que produce una mayor precisión en la detección. Aún existen desafíos en la detección de objetos pequeños u ocultos, en el manejo de escenas desordenadas y en la interpretación de comportamientos inusuales de las embarcaciones, especialmente en condiciones adversas del mar. Además, la explicabilidad y el despliegue en tiempo real de modelos de IA en entornos operativos son áreas de investigación abiertas. En general, la revisión de la literatura marítima existente sugiere que el aprendizaje profundo está transformando rápidamente la conciencia y respuesta en el dominio marítimo, con un potencial significativo para mejorar la seguridad marítima global y la eficiencia operativa. También hemos proporcionado conjuntos de datos clave para modelos de aprendizaje profundo en el dominio de la seguridad marítima.