1.一种目标检测方法，其特征在于，包括以下：获取初始图像，采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像；

采用第一卷积网络对所述候选目标区域图像进行特征提取，获得所述目标区域图像对应的第一特征图；其中，所述第一卷积网络包括至少一个卷积层；

对所述第一特征图进行特征重排池化，获得目标结果。

2.根据权利要求1所述的目标检测方法，其特征在于，对所述第一特征图进行特征重排池化，获得目标结果，包括以下：根据预设步幅对所述第一特征图进行采样，获得第一子特征图集合；

对所述第一子特征图集合中各个位置进行特征采样并输入对应通道内，获得各个通道对应的特征提取结果；

基于所述特征提取结果获得目标对象所在区域作为目标结果。

3.根据权利要求2所述的目标检测方法，其特征在于，在所述基于所述特征提取结果获得目标对象所在区域作为目标结果前，包括以下：获得所述特征重排池化后的第一特征图作为第二特征图；

获取目标通道数，采用卷积核数与所述目标通道数一致的第二卷积网络对所述第二特征图进行缩放处理，采用带有所述目标通道数的特征图更新所述特征提取结果。

4.根据权利求2所述的目标检测方法，其特征在于，基于所述特征提取结果获得目标对象所在区域作为目标结果，包括以下：采用全连接层对所述特征提取结果进行预测，获得预测结果区域；

采用边框修正算法对所述预测结果区域进行调整，获得目标对象所在区域作为目标结果。

5.根据权利要求1所述的目标检测方法，其特征在于，所述采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像，包括以下步骤：采用预设算法对所述初始图像进行提取，获得多个类别候选区域；

采用多层卷积网络对各个类别候选区域进行特征提取，获得各个所述类别候选区域对应的特征向量；

基于所述各个类别候选区域对应的特征向量分类并修正，获取带有关键特征的候选目标区域图像。

6.根据权利要求5所述的目标检测方法，其特征在于，所述基于所述各个类别候选区域对应的特征向量分类并修正，获取带有关键特征的候选目标区域图像，包括以下步骤：获取分类器，采用预设数据集对分类器进行训练；

采用训练后分类器对各个所述各个类别候选区域对应的特征向量进行处理，获取各个类别候选区域的得分；

基于所述各个类别候选区域的得分进行非极大值抑制剔除重叠候选区域后，采用边框回归处理获得带有关键特征的候选目标区域。

7.根据权利要求1所述的目标检测方法，其特征在于，在所述采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像前，包括以下步骤：建立第一提取网络，获取训练图像，所述训练图像包括带有目标区域的标签信息；

基于所述训练图像对所述第一提取网络进行处理，获取训练结果；

根据所述训练结果与所述训练图像对应的标签信息确定损失值；

根据所述损失值在所述第一提取网络中进行反向传播，并更新权重参数，获得预训练好的第一提取网络。

8.一种目标检测装置，其特征在于，包括：预处理模块，用于获取初始图像，采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像；

特征提取模块，用于采用第一卷积网络对所述候选目标区域图像进行特征提取，获得所述目标区域图像对应的第一特征图；其中，所述第一卷积网络包括至少一个卷积层；

特征重排模块，用于对所述第一特征图进行特征重排池化，获得目标结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求

1至7任一项所述目标检测方法的步骤。

10.一种计算机可读存储介质，其包括多个存储介质，各存储介质上存储有计算机程序，其特征在于，所述多个存储介质存储的所述计算机程序被处理器执行时共同实现权利要求1至7任一项所述目标检测方法的步骤。