1.一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，包括以下步骤：ResNet-50网络生成特征图：将航拍水面漂浮物图像输入ResNet-50网络中，得到特征图；ResNet-50网络中存在拼接形式，拼接形式使ResNet-50网络的每层之间存在一个双通道的拼接；

CC-FPN网络生成融合特征图：将特征图输入到CC-FPN网络中，生成融合特征图；CC-FPN网络是在原有FPN网络中并联加入CAG模块形成的；

S-RPN网络生成候选框：将融合特征图输入到S-RPN网络中，生成候选框；

ROI Align层生成候选特征图：将融合特征图和候选框输入到ROI Align层，生成候选特征图；

全连接层生成检测框：将候选特征图输入全连接层，生成检测框。

2.根据权利要求1所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，CAG模块用于融合上下层的信息，CAG模块注意力机制的执行过程为： 其为注意力函数，为Sigmoid激活函数，为特征提取函数，Avgpool是平均池化函数，是对范围内的特征点取平均值；maxpool是最大池化函数，是对范围内的特征点取最大值。

3.根据权利要求1所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，S-RPN网络生成候选框的操作中包括使用正负样本采样的方法生成锚定框。

4.根据权利要求1所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，ROI Align层生成候选特征图的操作中包括使用线性插值方法。

5.一种基于神经网络的无人机航拍水面漂浮物识别装置，其特征在于，包括：ResNet-50网络模块，用于提取输入图像的特征，生成特征图；ResNet-50网络中存在拼接形式，拼接形式使ResNet-50网络的每层之间存在一个双通道的拼接；

CC-FPN网络模块，用于将输入的所述特征图进行融合处理，生成融合特征图；CC-FPN网络是在原有FPN网络中并联加入CAG模块形成的；

S-RPN网络模块，用于在输入的融合特征图的基础上，生成候选框；

ROI Align层模块，用于将输入的融合特征图和候选框进行处理，生成候选特征图；

全连接层模块，用于将输入的候选特征图进行处理，生成检测框。

6.一种基于神经网络的无人机航拍水面漂浮物识别设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现所述权利要求1-4中任一项所述的一种基于神经网络的无人机航拍水面漂浮物识别方法。

7.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1-4中任一项所述的一种基于神经网络的无人机航拍水面漂浮物识别方法。