Reducir el impacto de los objetivos de perturbación submarina y mejorar la capacidad de reconocer objetivos móviles reales bajo el agua son direcciones importantes de la investigación de sonar activo. En este documento, se mejoró el modelo de resaltado de objetivos submarinos y se propuso un método para adquirir imágenes resaltadas de los ecos de estos objetivos. Se diseñó una red neuronal convolucional de clasificación llamada HasNet-5 para extraer las características globales y locales resaltadas de las imágenes de eco de los objetivos submarinos, lo que logró el reconocimiento verdadero/falso de los objetivos a través de la multi-clasificación. Se utilizaron cinco tipos de modelos de resaltado de objetivos para generar datos de simulación y completar el entrenamiento, validación y pruebas de la red. Se realizaron pruebas utilizando datos experimentales. Los resultados indican que el método propuesto logra una precisión del 92% en el reconocimiento de objetivos reales y una precisión del 94% en el reconocimiento de objetivos de perturbación bidimensional. Este estudio proporciona un nuevo enfoque para el reconocimiento de objetivos submarinos utilizando sonar activo.