针对传统水下目标检测方法在水下识别任务中误检率高的问题，基于一级全卷积检测器（FCOS），引入多尺度特征选择和中心边界特征选择，实现了高精度的水下目标检测。该模型中的自适应加权融合特征金字塔通过设置可学习权重和各特征层的加权融合，实现了多尺度空间特征选择。此外，为了解决检测中分类和回归任务之间的特征耦合问题，分离不同任务之间的共享特征，设计了基于空间特征解耦的检测头，实现了中心区域和边界区域的特征选择。在实验中，测试了水下数据集urpc2018和UWD2021的性能，并与先进的目标检测方法进行了比较。大量实验结果表明，基于空间特征选择的FCOS模型在水下探测任务中表现出优异的性能。URPC2018和UWD2021的平均精度（mAP）分别为82.7%和83.3%。