1.一种基于集中视觉处理中心的遥感目标检测方法，其特征在于，包括以下步骤：

a.构建包含Transformer encoder和卷积神经网络(CNN)并行的集中视觉处理中心(CVPC)，其中；

b.构建集中式特征跨层融合金字塔结构，与集中视觉处理中心(CVPC)的结果进行融合，用于增强各层特征的细节表达能力；

c.引入稀疏卷积检测头(CEASC)，用于提高检测准确性的同时保证检测效率。

2.根据权利要求1所述的基于集中视觉处理中心的遥感目标检测方法，其特征在于，集中视觉处理中心(CVPC)包括Lightweight encoder和Pixel level Learning Center(PLC)模块，通过Lightweight encoder捕捉全局的长程依赖关系，通过Pixel level LearningCenter(PLC)模块建立像素级的相关性，以增强细节特征的表示能力。

3.根据权利要求2所述的基于集中视觉处理中心的遥感目标检测方法，其特征在于，Lightweight encoder模块由两个残差块组成，分别为邻域注意模块和基于通道MLP的模块。

4.根据权利要求2所述的基于集中视觉处理中心的遥感目标检测方法，其特征在于，Pixel level learning center(PLC)模块通过空间方向上的全球平均池化和矩阵乘法，建立像素级的相关性，以增强对遥感图像中遮挡目标的检测能力。

5.根据权利要求1所述的基于集中视觉处理中心的遥感目标检测方法，其特征在于，集中式特征跨层融合金字塔结构采用自上而下的方式将高层语义信息与低层细节信息进行融合，以提高遥感目标检测的精度。

6.根据权利要求1所述的基于集中视觉处理中心的遥感目标检测方法，其特征在于，稀疏卷积检测头(CEASC)采用自适应多层掩模策略生成最优掩模比率，稀疏卷积检测头(CEASC)通过稀疏卷积操作，以在保持检测效率的同时，提高目标检测的准确性。