1.一种基于多尺度拆分注意力机制的目标检测方法，其特征在于，所述方法包括：

S1、获取第一原始特征图、第二原始特征图和第三原始特征图；

S2、输入第一原始特征图，设置翻倍系数，将第一原始特征图进行卷积，得到第一扩张特征图，将第一扩张特征图按通道分组，得到第一扩张特征图分组，分组数为翻倍系数，将分组内所有特征图进行相加，得到第一中间特征图，将第一中间特征图进行平均池化得到第一通道特征信息，构建第一权重生成层，结构从前往后依次为全连接层、激活函数、全连接层、激活函数，将第一通道特征信息输入第一权重生成层，得到第一通道注意力信息，将第一通道注意力信息按通道分组，得到第一通道注意力信息分组，分组数为翻倍系数，将第一扩张特征图分组和第一通道注意力信息分组按先后顺序相乘，得到第一扩张特征图优化分组，将第一扩张特征图优化分组内所有特征图相加，输出第一输出特征图；

S3、按照S2输入输出操作方式，输入第二原始特征图和第三原始特征图，得到第二通道特征信息、第三通道特征信息、第二输出特征图、第三输出特征图；

S4、将第一通道特征信息、第二通道特征信息和第三通道特征信息相加，得到全局通道特征信息，构建全局权重生成层，结构从前往后依次为全连接层、激活函数一、全连接层、激活函数二，将全局通道特征信息输入全局权重生成层，得到全局通道注意力信息，将全局通道注意力信息按原始特征图数量进行分组，即分成三组，依次和第一输出特征图、第二输出特征图、第三输出特征图相乘，得到第一最终输出特征图、第二最终输出特征图、第三最终输出特征图；

S5、基于所有的最终输出特征图进行目标检测。

2.如权利要求1所述的方法，其特征在于，S2和S4中的激活函数一和激活函数二为非线性函数，用于增强输出特征信息的非线性表达能力。

3.如权利要求1所述的方法，其特征在于，S1中三个原始特征图通道数相同，S2中第一扩张特征图通道数量为第一原始特征图通道数乘翻倍系数，S2中第一扩张特征图分组内所有特征图维度和第一原始特征图相同，S2中第一中间特征图维度和第一原始特征图相同，S2中第一通道注意力信息的通道数量为第一原始特征图通道数乘翻倍系数，S2中第一通道注意力信息分组内所有通道注意力信息的通道数和第一原始特征图相同，S2中第一输出特征图的维度和第一原始特征图相同，S4中全局通道特征信息的通道数和单个原始特征图通道数相同，S4中全局通道注意力信息的通道数为原始特征图通道数乘以原始特征图数量。