1.一種多尺度大核注意力少樣本目標檢測方法，其特征在于，包括：
2.根據權利要求1所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述將所述第一類圖像數據輸入至待訓練的目標檢測模型的特征提取模塊和分類回歸模塊，生成第一分類結果與第一定位結果的步驟包括：
3.根據權利要求2所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述依據所述第一分類損失與所述第一定位損失對待訓練的目標檢測模型進行優化，得到優化的目標檢測模型的步驟包括：
4.根據權利要求2所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述將所述第一目標圖像、所述第一圖像標簽及所述第一候選框輸入至目標檢測模型的多尺度大核注意力網絡中，生成特征增強圖像數據的步驟包括：
5.根據權利要求2所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述將所述第一類圖像數據與所述第二類圖像數據的實例圖像輸入至優化的目標檢測模型的特征提取模塊中，生成優化中間特征的步驟包括：
6.根據權利要求5所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述依據所述第二分類損失與第二定位損失對分類回歸模塊進行優化；依據所述融合對比損失對特征提取模塊進行優化，獲取訓練完成的目標檢測模型的步驟包括：
7.根據權利要求1所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述融合對比損失表示為：，其中，表示第i個優化中間特征，表示第i個對比中間特征，表示第i個正樣本，表示第i個負樣本，表示第i個歸一化特征，，表示第i個優化中間特征與第i個對比中間特征之間的余弦相似度，n表示訓練圖像的數量，n表示正樣本的數量，m表示負樣本的數量。
8.根據權利要求1所述的多尺度大核注意力少樣本目標檢測方法，其特征在于，所述目標檢測模型的類型為faster?r-cnn。
9.一種多尺度大核注意力少樣本目標檢測裝置，其特征在于，包括：
10.一種計算機設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，其特征在于，處理器執行計算機程序時實現如權利要求1~8中任一項所述的多尺度大核注意力少樣本目標檢測方法的步驟。