1.一种基于改进yolov5的小目标检测系统，其特征在于：该系统包括融合坐标注意力的特征提取模块、重建颈部检测网络模块、多尺度特征净化模块，其中：
2.根据权利要求1所述的一种基于改进yolov5的小目标检测系统，其特征在于：坐标注意力生成子模块可完成以下操作：
3.根据权利要求1所述的一种基于改进yolov5的小目标检测系统，其特征在于：重建检测层模块基于采用yolov5三种不同检测层对大小不同的目标进行检测，新增一层检测小目标的检测头。
4.根据权利要求1所述的一种基于改进yolov5的小目标检测系统，其特征在于：在多尺度特征净化模块中输入x1、x2、x3、x4四个特征，该模块位于特征金字塔网络第2层，首先将x1、x2、x3、x4缩放到同一大小，分别为r1、r2、r3、r4，然后再利用拼接和卷积操作将所有特征的通道数压缩为4，随后再与并联的通道提纯子模块和空间提纯子模块连接；其中，通道提纯子模块采用平均池化和最大池化结合方式聚合图像的全局空间信息，用xm表示特征细化模块的第m层输入特征图，其输出可表示为u＝α×rs(x1)+β×(x2)+γ×rs(x3)+δ×rs(x4)，其中rs为resize函数，将x1和x3、x4特征缩放到和x2同一尺度，α,β,γ,δ为通道自适应权重，其尺度为1×1×1，经过归一化的α,β,γ,δ代表4个输入的相对权重，[α,β,γ,δ]＝sigmoid[avgpool(f)+maxpool(f)]，其中f为图中标识的特征图，sigmoid为sigmoid激活函数，avgpool与maxpool分别为平均池化与最大池化操作。
5.根据权利要求1所述的一种基于改进yolov5的小目标检测系统，其特征在于：空间提纯子模块采用softmax函数将特征图在空间上归一化，得到特征图中某点关于其他所有位置的相对权重，然后将相对权重与输入分别相乘，输出的(x，y)表示特征图空间坐标，u,v,η为空间自适应权重，满足
6.一种基于改进yolov5的小目标检测方法，其特征在于：该方法包括以下步骤：
7.一种基于改进yolov5的小目标检测方法，其特征在于：步骤(1)中，在水平与垂直方向上分别进行特征聚合的具体计算步骤为：
8.一种基于改进yolov5的小目标检测方法，其特征在于：步骤(2)中，采用yolov5三种不同检测层对大小不同的目标进行检测，新增一层检测小目标的检测头。
9.一种基于改进yolov5的小目标检测方法，其特征在于：步骤(3)中，输入x1、x2、x3、x4四个特征，首先将x1、x2、x3、x4缩放到同一大小，分别为r1、r2、r3、r4，然后再利用拼接和卷积操作将所有特征的通道数压缩为4，随后同时进行通道提纯和空间提纯；其中，通道提纯采用平均池化和最大池化结合方式聚合图像的全局空间信息，用xm表示特征细化模块的第m层输入特征图，其输出可表示为u＝α×rs(x1)+β×(x2)+γ×rs(x3)+δ×rs(x4)，其中rs为resize函数，将x1和x3、x4特征缩放到和x2同一尺度，α,β,γ,δ为通道自适应权重，其尺度为1×1×1，经过归一化的α,β,γ,δ代表4个输入的相对权重，[α,β,γ,δ]＝sigmoid[avgpool(f)+maxpool(f)]，其中f为图中标识的特征图，sigmoid为sigmoid激活函数，avgpool与maxpool分别为平均池化与最大池化操作。
10.一种基于改进yolov5的小目标检测方法，其特征在于：空间提纯采用softmax函数将特征图在空间上归一化，得到特征图中某点关于其他所有位置的相对权重，然后将相对权重与输入分别相乘，输出的(x，y)表示特征图空间坐标，u,v,η为空间自适应权重，满足其中d为特征图中某点关于其他所有位置的相对权重，softmax函数用于归一化特征参数，则多尺度特征净化模块总输出p＝u+d。