1.一种面向遥感图像的解耦双头小样本目标检测方法，其特征在于，包括以下步骤：步骤1、将卫星拍摄的遥感图像送入DDNet网络中进行训练，再通过微调的方式将基类训练的检测模型迁移至新类进行新类训练；

步骤2、图片先通过基础网络提取特征，再将特征由通道注意力机制增强；

步骤3、将增强后的特征通过设计好的特定于任务的两个函数以获得专注于分类和回归的特征，并将原来的一个分支解耦为两个分支，以缓解分类和回归任务的冲突；

步骤4、在得到专注于特定任务的特征之后，将这两个特征分别送入分类分支和回归分支，通过设计好的双头检测器，分别进行分类和回归，得到最终的检测结果。

2.根据权利要求1所述的一种面向遥感图像的解耦双头小样本目标检测方法，其特征在于，所述步骤1将卫星拍摄的遥感图像送入DDNet网络中进行训练，再通过微调的方式将基类训练的检测模型迁移至新类进行新类训练；具体包括以下步骤：A1、将训练图像输入到检测网络，检测网络以两阶段目标检测框架+金字塔网络结构作为基础网络结构，对输入图像提取特征；

A2、通过采用通道注意力增强上述特征，在得到增强后的特征后，将增强后的特征通过两个设计好的函数提取适应于各自任务的分类特征和回归特征；

A3、设计了一个空间特征解耦模块；在得到增强后的特征后，将特征分成两个分支，分别经过各分支上专注于各自任务的函数，提取分类特征和回归特征。

3.根据权利要求2所述的一种面向遥感图像的解耦双头小样本目标检测方法，其特征在于，所述步骤A2通过采用通道注意力增强上述特征，在得到增强后的特征后，将增强后的特征通过两个设计好的函数提取适应于各自任务的分类特征和回归特征；具体步骤包括：B1、将输入特征进行注意力提取，首先将原始特征F输入到通道注意力模块中获取增强后的特征Mc(F)，再将增强后的特征与原始特征相加得到特征M，其公式为：Mc(F)＝(W0(GAP)))    (1)

M＝Mc(F)+F     (2)

其中F代表通过基础网络所获取的特征，GAP表示全局平均池化，W0表示全连接层的权重；

B2、再得到增强后的特征M之后，将M分别通过两个分支的极化函数，得到专注于分类分支的分类特征以及专注与回归分支的回归特征，其公式为：ψ(X)cls＝2log(αx+1)    (3)

2

ψ(X)reg＝1+ε(x‑0.5)     (4)

其中，α、ε是用于调节函数激活程度的因子，α＝2,ε＝4。

4.根据权利要求1所述的一种面向遥感图像的解耦双头小样本目标检测方法，其特征在于，所述将所得到的分类特征和回归特征分别送入分类分支和回归分支进行检测，具体步骤为：C1、分类特征和回归特征先经过双头检测器，这个双头检测器由两个双头构成，第一层是指两个检测头，其中一个检测头专门用来检测基类，一个检测头用来检测新类，并且基类训练的检测头与新类共享；

C2、第二个双头是指检测头内部的结构；分类和回归所需特征是不一样的，但以往的特征都是来自同一pooling池，第一个模块将分类和回归解耦到不同空间，在双头检测模块，检测头内部将分类和回归再次解耦；使用全连接层在检测器内部进行分类，使用卷积层在检测器内部进行定位。

5.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至4任一项所述面向遥感图像的解耦双头小样本目标检测方法。

6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述面向遥感图像的解耦双头小样本目标检测方法。

7.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述面向遥感图像的解耦双头小样本目标检测方法。