技术特征：
1.一种基于注意力机制的目标检测方法，其特征在于，包括以下步骤：接收用户输入的待检测图像；将所述待检测图像输入至预置的卷积神经网络模型中，提取到所述待检测图像的多层特征图；根据预置的注意力机制对所述多层特征图进行加权，得到加权后的特征图；根据所述多层特征图生成所述待检测图像的特征金字塔；将所述加权后的特征图分别与所述特征金字塔中的每层特征图进行融合，得到融合后的特征金字塔；从所述融合后的特征金字塔中获取与所述待检测图像中的目标图像相匹配的特征图；根据预置的目标检测模型对与所述目标图像相匹配的特征图进行目标检测，得到所述待检测图像中的目标图像。2.根据权利要求1所述的基于注意力机制的目标检测方法，其特征在于，所述根据预置的注意力机制对所述多层特征图进行加权，得到加权后的特征图，包括：根据所述注意力机制从所述卷积神经网络模型中获取所述多层特征图中的每层特征图的权重；根据所述多层特征图中的每层特征图的权重对所述多层特征图进行加权，得到所述加权后的特征图。3.根据权利要求1所述的基于注意力机制的目标检测方法，其特征在于，所述根据所述多层特征图生成所述待检测图像的特征金字塔，包括：根据预置的卷积核对所述多层特征图中的每层特征图进行卷积，得到卷积后的多层特征图；根据所述卷积后的多层特征图生成所述待检测图像的特征金字塔。4.根据权利要求3所述的基于注意力机制的目标检测方法，其特征在于，所述根据所述卷积后的多层特征图生成所述待检测图像的特征金字塔，包括：根据所述卷积后的多层特征图中的顶层的特征图构建所述特征金字塔的顶层的特征图；根据所述特征金字塔的顶层的特征图构建所述特征金字塔的顶层下方的特征图。5.根据权利要求1所述的基于注意力机制的目标检测方法，其特征在于，所述将所述加权后的特征图分别与所述特征金字塔中的每层特征图进行融合，得到融合后的特征金字塔，包括：将所述加权后的特征图分别与所述特征金字塔中的每层特征图进行首尾拼接，得到所述融合后的特征金字塔。6.根据权利要求1所述的基于注意力机制的目标检测方法，其特征在于，所述从所述融合后的特征金字塔中获取与所述待检测图像中的目标图像相匹配的特征图，包括：根据所述待检测图像中的目标图像的目标尺寸从所述融合后的特征金字塔中获取与所述待检测图像中的目标图像相匹配的特征图。7.根据权利要求1所述的基于注意力机制的目标检测方法，其特征在于，所述根据预置的目标检测模型对与所述目标图像相匹配的特征图进行目标检测，得到所述待检测图像中的目标图像，包括：
将与所述目标图像相匹配的特征图输入至预置的区域生成网络模型中，得到多个候选框；根据预设的非极大值抑制算法从所述多个候选框筛选出所述目标检测框，得到所述目标图像。8.一种基于注意力机制的目标检测装置，其特征在于，包括：接收单元，用于接收用户输入的待检测图像；第一生成单元，用于将所述待检测图像输入至预置的卷积神经网络模型中，提取到所述待检测图像的多层特征图；第二生成单元，用于根据预置的注意力机制对所述多层特征图进行加权，得到加权后的特征图；第三生成单元，用于根据所述多层特征图生成所述待检测图像的特征金字塔；融合单元，用于将所述加权后的特征图分别与所述特征金字塔中的每层特征图进行融合，得到融合后的特征金字塔；获取单元，用于从所述融合后的特征金字塔中获取与所述待检测图像中的目标图像相匹配的特征图；目标检测单元，用于根据预置的目标检测模型对与所述目标图像相匹配的特征图进行目标检测，得到所述待检测图像中的目标图像。9.一种计算机设备，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，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中任一项所述的基于注意力机制的目标检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于注意力机制的目标检测方法。