1.一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于，包括编码器分支和解码器分支，解码器分支包括解码器分支A和解码器分支B；

编码器分支是整个模型架构系统中的特征提取器，其采用选择删除全连接层后的VGG16网络；编码器分支在训练过程中采用预训练的VGG16模型的前13层的权重，通过使用VGG16网络中不同Block中不同的卷积层作为输入到解码器部分的多分辨率特征映射；

解码器分支A，用来生成估计密度图；其首先使用最近邻插值对VGG16网络中B5_C3的输出进行上采样，然后与B4_C3的输出特征进行拼接，拼接后的特征采用1×1×256和3×3×

256进行特征融合，融合后的输出通过上采样操作后，再与编码网络中B3_C3的输出拼接；拼接后采用相同的1×1和3×3的卷积和上采样操作后，继续与B2_C2拼接融合，形成特征融合密度图；

解码器分支B用于构造辅助输入，收敛并指导生成密度图；解码器分支B与解码器分支A在网络解码部分具有相似的结构，其区别在于，在解码器分支B中的每个3×3的卷积后面，加入了非局部建模单元Non‑local；非局部建模单元Non‑local定义如下：其中，x为输入信号，y为输出信息，i表示输出位置的索引。

2.根据权利要求1所述的一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于：VGG16网络中B2_C2、B3_C3、B4_C3的特征映射作为解码器分支的输入。

3.根据权利要求1所述的一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于：C(x)的具体定义公式如下：其中，f(xi,xj)采用嵌入式高斯函数表示。

4.根据权利要求1所述的一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于：在解码器分支B的末尾单独添加Sigmoid激活函数。

5.根据权利要求1所述的一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于：g(xj)的具体定义公式如下：g(xj)＝Wgxj    公式(3)其中，Wg是训练阶段学习到的权重矩阵。