1.一种基于注意力机制的红外小目标检测方法，其特征在于，具体包括以下步骤：S1、高斯噪声图像与原图的通道堆叠图像和全零图像与原图的通道堆叠图像作为训练样本，两种训练样本以1：1的比例作为训练阶段的输入；

S2、将通道堆叠图像传入注意力机制模块进行背景抑制和目标增强；

S3、将注意机制模块的输出图像与原图进行通道堆叠后传入红外小目标检测模块，得到红外小目标的检测图像；

S4、将检测图像与标签图像的差异作为损失函数反向优化网络两模块的网络参数；若损失函数降低到可接受的阈值范围，则认为网络已达到最优，得到的检测图像即为最终检测结果；

S5、将测试样本输入网络，测试数据为全零图像与待检测图像的通道堆叠，将测试数据传入注意力机制模块，注意机制模块的输出图像与原图进行通道堆叠传入红外小目标检测模块，实现检测任务。

2.根据权利要求1所述的一种基于注意力机制的红外小目标检测方法，其特征在于，实时待检测的图像将全零图像与原图通道堆叠后作为输入。

3.根据权利要求1所述的一种基于注意力机制的红外小目标检测方法，其特征在于，在训练过程中，采用高斯噪声与原图通道堆叠进行数据增强，数据增强过程表示为：：Iin_1＝Iin*ω＝ω1*Z+ω2*I,Iin＝{Z,I}其中，Iin_1表示经过网络第一层卷积操作后高斯噪声与原图的融合特征图，Iin表示网络的输入，*表示卷积操作，ω表示网络第一层中的卷积核，ω1表示网络第一层中的卷积核ω随机分配给高斯噪声的权重值，ω2表示网络第一层中的卷积核ω随机分配给原图的权重值。

4.根据权利要求1所述的一种基于注意力机制的红外小目标检测方法，其特征在于，注意力机制模块由八层卷积块，第一到第七个卷积块由卷积层、归一化层和激活层组成，第八个卷积块包括一个卷积层；每个卷积块中卷积层的卷积核的初始大小为3×3，对卷积核采用空洞卷积的方式，以填充补零的操作改变该层卷积核的大小；使用膨胀系数表示在3×3卷积核中间填充零的个数；第一到第八个卷积块的膨胀系数依次为1、2、4、8、4、2、1、1。

5.根据权利要求1所述的一种基于注意力机制的红外小目标检测方法，其特征在于，红外小目标检测模块由十四层卷积块，第一到第十三个卷积块由卷积层、归一化层和激活层组成，第十四个卷积块包括一个卷积层；第一到第十四个卷积块的膨胀系数依次为1、2、4、

8、16、32、64、32、16、8、4、2、1、1。

6.根据权利要求4或5所述的一种基于注意力机制的红外小目标检测方法，其特征在于，膨胀系数与卷积核之间的关系表示为：膨胀后的卷积核尺寸＝膨胀系数×(卷积核的初始尺寸‑1)+1。

7.根据权利要求1所述的一种基于注意力机制的红外小目标检测方法，其特征在于，注意机制模块和红外小目标检测模块在进行训练过程中，采用交替训练的方式，即包括：固定红外小目标检测模块的网络参数，训练注意力机制模块；固定注意力机制模块的网络参数，训练红外小目标检测模块；每次训练均在第二个模块(红外小目标检测模块)的输出处使用同一个损失函数进行约束，损失函数表示为：其中，loss表示检测图像与标签图像之间的差异，N表示训练样本的数量；Yk表示网络第k个训练样本的回归预测值； 表示第k个训练样本的标签图像，标签图像中背景像素值为

0，小目标像素值为255。