1.一种小尺度目标检测方法，其特征在于，所述方法包括：

对深度检测模型进行训练，得到已训练检测模型；

将待检测图像输入所述已训练检测模型，获取小尺度目标的当前级检测结果，所述当前级检测结果包含由多个小尺度目标边框构成的小目标集合Xsmall；

通过对所述待检测图像进行切片，获取切片集合和覆盖所述小目标集合Xsmall的最小凸集C；

判断所有所述小尺度目标是否均包含在对所述待检测图像进行切片时所得最小切片集合内；

若确定所有小尺度目标均包含在所述最小切片集合内，则将所述最小切片集合中的图片输入所述已训练检测模型以获取所述小尺度目标的次级检测结果，否则，通过计算所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比获取所述最小切片集合并输入所述已训练检测模型以获取所述小尺度目标的次级检测结果，所述待检测图像的剩余区域为所述待检测图像中去掉选中切片后的区域，所述选中切片为所述切片集合的子集中切片与所述最小凸集C的交并比最大的切片；

将所述小尺度目标的当前级检测结果与所述小尺度目标的次级检测结果叠加，以获取所述小尺度目标的终极检测结果。

2.如权利要求1所述小尺度目标检测方法，其特征在于，所述通过对所述待检测图像进行切片，获取覆盖所述小目标集合Xsmall的最小凸集C，包括：遍历所述小目标集合Xsmall中所有小尺度目标边框；

对于遍历到的任意一个小尺度目标边框，以其中心坐标为中心并按照预设尺寸对所述待检测图像进行切片，得到切片集合所述Nslice为所述切片集合中切片的数量；

根据所述小目标集合Xsmall中每个小尺度目标边框的中心坐标和大小，计算覆盖所述小目标集合Xsmall的最小凸集C。

3.如权利要求2所述小尺度目标检测方法，其特征在于，所述根据所述小目标集合Xsmall中每个小尺度目标边框的中心坐标和大小，计算覆盖所述小目标集合Xsmall的最小凸集C，包括：计算所述多个小尺度目标边框中每个小尺度目标边框的中心的横轴坐标与其半宽度的差值即第一差值以及纵轴坐标与其半高度的差值即第二差值，分别取所述第一差值中最小值和第二差值中最小值作为所述最小凸集C的第一横轴坐标和第一纵轴坐标；

计算所述多个小尺度目标边框中每个小尺度目标边框的中心的横轴坐标与其半宽度的和值即第一和值以及纵轴坐标与其半高度的和值即第二和值，分别取所述第一和值中最小值和第二和值中最小值作为所述最小凸集C的第二横轴坐标和第二纵轴坐标。

4.如权利要求1所述小尺度目标检测方法，其特征在于，所述判断所有所述小尺度目标是否均包含在对所述待检测图像进行切片时所得最小切片集合内，包括步骤S1至步骤S4：步骤S1：计算所述切片集合的子集中切片与所述最小凸集C的交并比，所述切片集合的子集为由更新所述切片集合后得到的切片集合；

步骤S2：选中所述切片集合的子集中切片与所述最小凸集C的交并比最大的切片作为选中切片集合Sselect的新增元素添入所述选中切片集合Sselect以更新所述选中切片集合Sselect，并将所述选中切片集合Sselect的新增元素从所述切片集合中剔除以更新所述切片集合步骤S3：计算覆盖所述选中切片集合Sselect更新后选中切片集合的最小凸集C*；

步骤S4：若所述则确定所有小尺度目标都包含在所述最小切片集合内，并将此时的选中切片集合S′elect确定为所述最小切片集合否则，流程转向通过计算所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比获取所述最小切片集合

5.如权利要求4所述小尺度目标检测方法，其特征在于，所述计算覆盖所述选中切片集合Sselect更新后选中切片集合的最小凸集C*，包括：计算所述更新后选中切片集合中每个切片的中心的横轴坐标与其半宽度的差值即第一差值以及纵轴坐标与其半高度的差值即第二差值，分别取所述第一差值中最小值和第二差值中最小值作为所述最小凸集G*的第一横轴坐标和第一纵轴坐标；

计算所述更新后选中切片集合中每个切片的中心的横轴坐标与其半宽度的和值即第一和值以及纵轴坐标与其半高度的和值即第二和值，分别取所述第一和值中最小值和第二和值中最小值作为所述最小凸集G*的第二横轴坐标和第二纵轴坐标。

6.如权利要求1所述小尺度目标检测方法，其特征在于，所述通过计算所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比获取所述最小切片集合，包括步骤S’1至步骤S'3：步骤S’1：遍历所述切片集合的子集；

步骤S'2：根据以下公式计算计算所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比IoU(i)：所述C(i)和C(j)分别表示第i次和第j次循环中所述小尺度目标所在凸集；

步骤S'3：选中所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比最大的切片作为选中切片集合Sselect的新增元素添入所述选中切片集合Sselect以更新所述选中切片集合Sselect；

循环上述步骤S’1至步骤S'3，直至遍历完全所述切片集合后结束循环，将结束循环时的选中切片集合Sselect确定为所述最小切片集合

7.如权利要求1所述小尺度目标检测方法，其特征在于，所述将所述小尺度目标的当前级检测结果与所述小尺度目标的次级检测结果叠加，以获取所述小尺度目标的终极检测结果，包括：通过平移和尺寸调整操作，将所述小尺度目标的次级检测结果对应的小尺度目标边框投影至所述小尺度目标的当前级检测结果对应的小尺度目标边框；

叠加所述小尺度目标的当前级检测结果与所述小尺度目标的次级检测结果，得到包含一系列融合目标边框的边框序列表，并对所述边框序列表做如下步骤S”1至步骤S”4的操作：步骤S”1：按照置信度的高低，对所述边框序列表中融合目标边框的置信度进行排序；

步骤S”2：选择置信度最高的融合目标边框添加至最终输出列表中，并将所述置信度最高的融合目标边框从所述边框序列表删除；

步骤S”3：计算所述置信度最高的融合目标边框与所述边框序列表其它融合目标边框的交并比；

步骤S”4：删除所述边框序列表中交并比大于阈值的融合目标边框；

重复所述步骤S”1至步骤S”4的过程，直至所述边框序列表为空，将所述最终输出列表中的融合目标边框作为所述小尺度目标的终极检测结果。

8.一种小尺度目标检测装置，其特征在于，所述装置包括：

训练模块，用于对深度检测模型进行训练，得到已训练检测模型；

第一检测模块，用于将待检测图像输入所述已训练检测模型，获取小尺度目标的当前级检测结果，所述当前级检测结果包含由多个小尺度目标边框构成的小目标集合Xsmall；

获取模块，用于通过对所述待检测图像进行切片，获取切片集合和覆盖所述小目标集合Xsmall的最小凸集C；

判断模块，用于判断所有所述小尺度目标是否均包含在对所述待检测图像进行切片时所得最小切片集合内；

第二检测模块，用于若确定所有小尺度目标均包含在所述最小切片集合内，则将最小切片集合中的图片输入所述已训练检测模型以获取所述小尺度目标的次级检测结果，否则，通过计算所述切片集合的子集中切片与所述待检测图像的剩余区域的交并比获取所述最小切片集合并输入所述已训练检测模型以获取所述小尺度目标的次级检测结果，所述待检测图像的剩余区域为所述待检测图像中去掉选中切片后的区域，所述选中切片为所述切片集合的子集中切片与所述最小凸集C的交并比最大的切片；

融合模块，用于将所述小尺度目标的当前级检测结果与所述小尺度目标的次级检测结果叠加，以获取所述小尺度目标的终极检测结果。

9.一种电子设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述方法的步骤。

10.一种存储介质，所述存储介质存储有计算机程序，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7任意一项所述方法的步骤。