技术特征：
1.一种基于深度学习的无人机航拍图像目标检测方法，其特征在于，包括：获取多种类别的目标图像和无人机的拍摄图像；对目标图像进行预处理，并将预处理后的目标图像分为训练集和验证集；建立目标检测网络，所述目标检测网络用于提取目标图像的特征图，将特征图进行融合得到融合特征图，并根据融合特征图进行模型训练；将训练集的目标图像输入到目标检测网络中进行训练，获得训练好的目标检测模型；将验证集的目标图像输入到训练好的目标检测模型中进行验证，获得多个类别检测目标识别模型；将无人机的拍摄图像输入多个类别检测目标识别模型，获得检测结果。2.如权利要求1所述的无人机航拍图像目标检测方法，其特征在于，所述对目标图像进行预处理包括，对目标图像进行图像去噪处理；生成对抗网络进行目标图像的数据增强；对目标图像中的各种检测目标进行标注。3.如权利要求1所述的无人机航拍图像目标检测方法，其特征在于，所述将训练集的目标图像输入到目标检测网络中进行训练步骤包括，将训练集中的图像输入目标检测网络，提取特征图并进行融合得到融合特征图；区域推荐网络对目标图像进行聚类分析，通过融合特征图与聚类分析得到的锚框尺度和比例生成锚框；对锚框进行分类和非极大值抑制方法生成不同层的提案箱；将提案箱和融合特征图经过归一化得到方案特征图。4.如权利要求3所述的无人机航拍图像目标检测方法，其特征在于，所述对锚框进行分类和非极大值抑制方法生成不同层的提案箱步骤为：对锚框使用逻辑回归模型进行分类，使用交并比大小比较的方式进行非极大值抑制，并生成若干个候选推荐框，生成不同层的提案箱。5.如权利要求3所述的无人机航拍图像目标检测方法，其特征在于，将提案箱和融合特征图经过归一化得到方案特征图步骤为：将区域推荐网络生成的提案箱和融合后的特征图传送到感兴趣区域池化层中，经过归一化得到方案特征图。6.如权利要求3所述的无人机航拍图像目标检测方法，其特征在于，所述将验证集的目标图像输入到训练好的目标检测模型中进行验证，获得多个类别检测目标识别模型步骤包括，将方案特征图传给全连接层，通过全连接层和逻辑回归模型计算出每个proposal的具体类别位置以及概率信息并获得每个proposal的位置偏移量，使用nms方法保留效果最好的预测框，通过预测结果和验证集比对再通过反向传播调整网络的权重参数。7.如权利要求1所述的无人机航拍图像目标检测方法，其特征在于，所述目标检测网络的特征提取网络的若干层或全部层均用于提取图像的特征图，将低层特征图与高层特征图进行融合，得到融合特征图。8.一种基于深度学习的无人机航拍图像目标检测系统，其特征在于，包括:数据采集模块：获取多种类别的目标图像和无人机的拍摄图像；预处理模块：对目标图像进行预处理，并将预处理后的目标图像分为训练集和验证集；
目标检测网络建立模块：建立目标检测网络，所述目标检测网络用于提取目标图像的特征图，将特征图进行融合得到融合特征图，并根据融合特征图进行模型训练；训练模块：将训练集的目标图像输入到目标检测网络中进行训练，获得训练好的目标检测模型；将验证集的目标图像输入到训练好的目标检测模型中进行验证，获得多个类别检测目标识别模型；检测结果获取模块：将无人机的拍摄图像输入多个类别检测目标识别模型，获得检测结果。9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-7任一所述的无人机航拍图像目标检测方法。10.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7任一所述的无人机航拍图像目标检测方法。