Detectar objetivos de buques marítimos en imágenes aéreas complejas es significativamente desafiante debido al tamaño relativamente pequeño del buque en comparación con el fondo predominante de la imagen. Los métodos actuales utilizados para identificar objetivos marítimos en imágenes aéreas son susceptibles a interrupciones de fondos intrincados, lo que conduce a la identificación errónea, detección pasada por alto y localización inexacta de objetivos. Para abordar estos desafíos, propusimos la red de supresión de fondo marítimo (MBSDet), que facilita la detección confiable de objetivos a múltiples escalas en fondos intrincados. En primer lugar, desarrollamos un módulo de supresión de fondo (BS) que integra las capacidades conscientes del contexto del Transformer con características de atención local para mejorar la capacidad del modelo de identificar objetos a múltiples escalas. En segundo lugar, presentamos el módulo de enriquecimiento de características multidimensionales (MFE), que emplea módulos de reorganización basados en pirámides de características y operadores de aumento dinámico en lugar de métodos de aumento convencionales para mejorar la riqueza de características mientras atenúa las características de fondo. Los valores de precisión media promedio (mAP) pueden alcanzar el 90.54% y el 88.89% en los conjuntos de datos HRSC2016 y DOTA v1.0, respectivamente. Los resultados experimentales indican que MBSDet exhibe una detección y precisión de localización sobresalientes para objetos en situaciones de fondo difíciles.