1.一种基于判别性区域挖掘的目标检测方法，其特征在于，包括以下步骤：S1：通过特征提取网络进行特征提取，获取特征流s1、s2；

S11：将一张图像及它的×2上采样图像输入同一特征提取网络中，选取特征层的输出构成特征流s1和特征流s2；所述特征流s1用于目标的整体描述，所述特征流s2用于目标的细节描述；

S12：特征流s1经检测器d1进行目标类别判定及目标位置预测，分别得到分类损失 和回归损失S2：构建局部判别性区域挖掘LDRM模块，将特征流s1、s2进行局部的判别性特征学习；

S21：按照特征图生成的顺序，分别从特征流s1和特征流s2中取生成次序相同的特征图构成特征图对，构建LDRM模块的输入特征图对；

对于每一个LDRM模块，其输入有基础特征图Fbasic和互补特征图Fcomp构成，其中特征图Fbasic来自特征流s1，特征图Fcomp来自特征流s2；

S22：判别性区域定位：设输入的基础特征图Fbasic的大小为W×H×C，其中W、H、C分别表示基础特征图Fbasic的宽、高和通道数；基础特征图Fbasic经过一个3×3的卷积层生成一个通道数为2的偏移量特征图，记为M；对于中心位置为(xn,yn)的候选目标区域，其判别性区域表示为：(x,y)＝(xn,yn)+λ(Δx,Δy)；                (1)其中，(xn,yn)遍历了基础特征图Fbasic中所有的空间位置，即：xn＝1,2,...,W；yn＝1,

2,...,H；(Δx,Δy)表示从候选目标区域到判别性区域的位置偏移量；其中，其表示特征图M中的空间位置为(xn,yn)的数值；λ为缩放权重，取值为

0.75；

S23：判别性特征学习：对于一个中心位置为(xn,yn)的候选目标，设其判别性区域表示为(x,y)，则其判别性区域的特征表示为：其中：Fdiscri表示判别性特征图； 表示特征图Fdiscri在空间位置(xn,yn)上的特征，(x,y)表示以(xn,yn)为中心的候选目标的判别性区域特征表达；φ(Fcomp) 表示互补特征图Fcomp在判别性区域(x,y)的变换函数，这里取恒等换；其中：表示(x,y)的四个邻近整数空间位置，其中 表示向下取整， 表示向上取整；函数G是一个二维的双线性插值的核，表示为两个一维的双线性插值的核的乘积形式：G(u,v,x,y)＝g(u,x)·g(v,y)；            (3)其中，g(a,b)＝1‑|a‑b|；

在LDRM模块中，特征图Fdiscri经过一个3×3的卷积层后与基础特征图Fbasic进行融合拼接，得到LDRM模块的输出；

S24：LDRM模块内的分类：将特征图Fdiscri输入由3×3的卷积层实现的分类器c1中，完成对目标类别的判定；根据分类器c1输出的结果，得到损失函数S3：构建基于上下文判别性区域挖掘CDRM模块，对局部的判别性特征学习后的特征流s1、s2进行上下文判别特征学习；

S31：CDRM模块的输入特征图对由相邻的两个LDRM模块的输出构成，取输出空间分辨率大的特征作为基础特征图F′basic，输出空间分别率小的特征作为互补特征图F′comp，构建CDRM模块的输入特征图对；

S32：判别性区域定位：设输入的基础特征图F′basic的大小为W′×H′×C′，其中W′、H′、C′分别表示基础特征图F′basic的宽、高和通道数；基础特征图F′basic经过一个3×3的卷积层生成一个通道数为2的偏移量特征图，记为M′；对于中心位置为(x′n,y′n)的候选目标区域，其判别性区域表示为：(x′,y′)＝(x′n,y′n)+λ′(Δx′,Δy′)；                (4)其中，(x′n,y′n)遍历了基础特征图F′basic中所有的空间位置，即：x′n＝1,2,...,W′；y′n＝1,2,...,H′；(Δx′,Δy′)表示从候选目标区域到判别性区域的位置偏移量；其中， 其表示特征图M′中的空间位置为(x′n,y′n)的数值；λ′为缩放权重，取值为1；

S33：判别性特征学习：对于一个中心位置为(x′n,y′n)的候选目标，设其判别性区域表示为(x′,y′)，则其判别性区域的特征表示为：其中：F′discri表示判别性特征图； 表示特征图F′discri在空间位置(x′n,y′n)上的(x′,y′)特征，表示以(x′n,y′n)为中心的候选目标的判别性区域特征表达；φ′(F′comp) 表示互补特征图F′comp在判别性区域表示(x′,y′)中的变换函数，这里取核为2×2、步长为2的解卷积操作；其中：表示(x′,y′)的四个邻近整数空间位置，其中 表示向下取整， 表示向上取整；函数G′是一个二维的双线性插值的核，表示为两个一维的双线性插值的核的乘积形式：G′(u′,v′,x′,y′)＝g′(u′,x′)·g′(v′,y′)；            (6)其中，g′(a′,b′)＝1‑|a′‑b′|；

在CDRM模块中，基础特征图F′basic经过一个3×3的卷积层后与特征图F′discri进行逐元素相加操作，从而得到CDRM模块的输出；

S34：CDRM模块内的分类：将特征图F′discri输入由3×3的卷积层实现的分类器c2中，完成对目标类别的判定；根据分类器c2输出的结果，得到损失函数S4：构建特征流s3，采用检测器对特征流s3的特征图进行检测，得到最终的检测结果；

S41：取所有CDRM模块的输出和最后两个LDRM模块的输出构成的集合作为特征流s3，采用检测器d2对特征流s3中的特征图进行最终的检测，在检测过程中对检测器d2的输出进行非极大值抑制，得到最终的检测结果；

S42：特征流s3经检测器d2进行目标类别判定及目标位置预测，分别得到分类损失 和回归损失