1.一种目标检测模型的训练方法，包括：获取从目标检测场景采集到的包含目标检测对象的无标注数据集；

利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型；

利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练；

响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测能力满足预设要求，输出为目标检测模型。

2.根据权利要求1所述的方法，其中，所述利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型，包括：响应于所述无标注数据集为无标注的图像数据集，获取公开图像样本集在全监督方式下得到的分类预训练模型；

基于所述无标注数据集和所述分类预训练模型，对所述自监督算法进行训练，得到所述第一预训练模型。

3.根据权利要求1所述的方法，其中，所述利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练，包括：

确定与所述目标检测对象对应的目标检测需求；

确定与所述目标检测需求匹配的目标检测算法；

利用所述目标检测算法在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练。

4.根据权利要求3所述的方法，其中，所述确定与所述目标检测对象对应的目标检测需求，包括：

响应于所述目标检测场景为路口违章检测场景、所述检测对象包括车辆和行人，确定与所述车辆和所述行人对应的对象检测需求和轮廓定位需求。

5.根据权利要求1所述的方法，其中，所述利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练，包括：

从所述第一预训练模型中提取出目标网络骨干参数；

获取初始的第二预训练模型，并将初始的第二预训练参数的初始网络骨干参数替换为所述目标网络骨干参数，得到待训练的第二预训练模型；

利用与所述目标检测对象对应的目标检测算法，在公开样本集上对待训练的第二预训练模型进行训练。

6.根据权利要求1‑5任一项所述的方法，其中，所述响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测能力满足预设要求，输出为目标检测模型，包括：

响应于所述第二预训练模型训练至预设损失函数收敛，输出为所述目标检测模型；其中，所述预设损失函数基于所述预设要求设置得到。

7.一种目标检测方法，包括：获取待检测文件；

调用目标检测模型检测所述待检测文件中包含的目标检测对象；其中，所述目标检测模型根据权利要求1‑6中任一项所述的目标检测模型的训练方法得到。

8.一种目标检测模型的训练装置，包括：无标注数据获取单元，被配置成获取从目标检测场景采集到的包含目标检测对象的无标注数据集；

自监督算法训练单元，被配置成利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型；

目标检测算法训练单元，被配置成利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练；

目标检测模型输出单元，被配置成响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测能力满足预设要求，输出为目标检测模型。

9.根据权利要求8所述的装置，其中，所述自监督算法训练单元被进一步配置成：响应于所述无标注数据集为无标注的图像数据集，获取公开图像样本集在全监督方式下得到的分类预训练模型；

基于所述无标注数据集和所述分类预训练模型，对所述自监督算法进行训练，得到所述第一预训练模型。

10.根据权利要求8所述的装置，其中，所述目标检测算法训练单元包括：目标检测需求确定子单元，被配置成确定与所述目标检测对象对应的目标检测需求；

目标检测算法确定子单元，被配置成确定与所述目标检测需求匹配的目标检测算法；

参数集成训练子单元，被配置成利用所述目标检测算法在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练。

11.根据权利要求10所述的装置，其中，所述目标检测需求确定子单元被进一步配置成：

响应于所述目标检测场景为路口违章检测场景、所述检测对象包括车辆和行人，确定与所述车辆和所述行人对应的对象检测需求和轮廓定位需求。

12.根据权利要求8所述的装置，其中，所述利目标检测算法训练单元被进一步配置成：从所述第一预训练模型中提取出目标网络骨干参数；

获取初始的第二预训练模型，并将初始的第二预训练参数的初始网络骨干参数替换为所述目标网络骨干参数，得到待训练的第二预训练模型；

利用与所述目标检测对象对应的目标检测算法，在公开样本集上对待训练的第二预训练模型进行训练。

13.根据权利要求8‑12任一项所述的装置，其中，所述目标检测模型输出单元被进一步配置成：

响应于所述第二预训练模型训练至预设损失函数收敛，输出为所述目标检测模型；其中，所述预设损失函数基于所述预设要求设置得到。

14.一种目标检测装置，包括：待检测文件获取单元，被配置成获取待检测文件；

模型调用及检测单元，被配置成调用目标检测模型检测所述待检测文件中包含的目标检测对象；其中，所述目标检测模型根据权利要求8‑13中任一项所述的目标检测模型的训练装置得到。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑6中任一项所述的目标检测模型的训练方法和/或权利要求7所述的目标检测方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1‑6中任一项所述的目标检测模型的训练方法和/或权利要求7所述的目标检测方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1‑6中任一项所述目标检测模型的训练方法的步骤和/或权利要求7所述目标检测方法的步骤。