1.一种不平衡训练样本下针对退化图像的目标检测方法，用于采用训练好的神经网络模型进行目标检测，其特征在于，所述神经网络包括特征提取网络、多特征注意力提取网络和非极大值抑制网络，所述不平衡训练样本下针对退化图像的目标检测方法，包括：拍摄真实场景图片，抠出目标区域将RGB调0后置于白色图层上，使用随机大小的黑色图层覆盖亮点，并添加随机白色光斑，生成掩膜；

用生成的掩膜对待检测图像做掩膜增强；

将掩膜增强后的待检测图像输入到特征提取网络，获取特征提取网络最后三个残差组合模块输出的张量特征；

将所述张量特征输入到多特征注意力提取网络，输出三个新的张量特征；

将所述三个新的张量特征输入到非极大值抑制网络得到检测结果；

其中，所述特征提取网络采用Darknet‑53网络或Resnet50网络或Resnet101网络；

所述将所述张量特征输入到多特征注意力提取网络，输出三个新的张量特征，包括：(1)将特征提取网络最后三个残差组合模块输出的张量特征作为第一张量特征输入；

(2)将后一个第一张量特征进行卷积后再进行升采样，融合前一个第一张量特征，然后对融合后的张量特征进行重复操作，输出所对应的三个第二张量特征；

(3)将第三个第二张量特征卷积并进行sigmoid变换后作为注意力值；

(4)将注意力值与第一个第二张量特征相乘，重复(2)的融合过程，再次产生三个第三张量特征；

(5)将(4)产生的第三张量特征卷积变换后输出三个不同尺度的新的张量特征。

2.如权利要求1所述的不平衡训练样本下针对退化图像的目标检测方法，其特征在于，所述白色光斑的大小、直径、曲率、拉伸度、平滑度均服从高斯分布，白色光斑起始形状与不平滑锯齿形状服从离散均匀分布。

3.如权利要求1所述的不平衡训练样本下针对退化图像的目标检测方法，其特征在于，所述黑色图层的大小服从均匀分布。

4.如权利要求1所述的不平衡训练样本下针对退化图像的目标检测方法，其特征在于，所述神经网络模型还包括分类损失分支网络，在训练所述神经网络模型时，所述分类损失分支网络接收所述特征提取网络最后一个残差组合模块的输出，将输出的分类结果和真实分类结果进行对比，用损失函数量化后反向传播，优化模型参数。

5.如权利要求4所述的不平衡训练样本下针对退化图像的目标检测方法，其特征在于，所述分类损失分支网络包括全局平均池化层和全连接层。