近年来，跨域目标检测问题逐渐受到计算机视觉领域的广泛关注。本文提出了一种新型的无监督跨域检测模型，该模型利用源域中的标注数据，训练适用于不同目标域的目标检测器。所提出的模型通过在两个维度上实现跨域特征对齐，有效缓解了目标检测任务中的跨域表示差异：在通道层的深度维度上，利用通道间的互信息来弥合因图像风格差异带来的域间偏差；在空间层的空域维度上，引入空间注意力模块，增强与检测相关区域的特征响应，同时抑制无关区域的影响，从而提升跨域特征对齐的效果。在多个基准跨域检测数据集上进行了实验验证，实验结果表明，所提出的方法在性能上优于现有的最先进方法。