1.一种轻量化的特征图处理方法，其特征在于，该方法具体包括以下步骤：S1：输入图像处理后得到的特征图Ⅰ；

S2：将步骤S1得到的特征图Ⅰ升维，然后使用分组卷积处理，将特征图分为等通道数的若干组特征图Ⅱ；

S3：分别对步骤S2得到的每组特征图Ⅱ进行不同感受野的卷积操作，得到特征图III；

S4：将步骤S3得到的每组特征图III进行拼接，形成特征图Ⅳ；

S5：将步骤S4得到的特征图Ⅳ输入改进后的ECA模块中，施加通道注意力机制，得到特征图V；

S6：将步骤S5得到的特征图V降维后与输入的特征图Ⅰ进行跳连形成最终的特征图。

2.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤S2中，分组卷积处理具体包括：通过1*1的卷积核来扩张通道数，并根据需求自行设置分为几个等通道数的特征图Ⅱ。

3.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤S3中，使用不同感受野的卷积操作处理分组后的特征图Ⅱ，即是采用不同的卷积核大小和不同的卷积方式，同时，使用两个3*3的卷积核或者一个dilation rate＝2的3*3的空洞卷积来代替传统网络中卷积核为5*5的卷积，三个3*3的卷积核或者一个dilation rate＝3的3*3的空洞卷积来代替传统网络中卷积核为7*7的卷积。

4.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤S5中，改进后的ECA模块是将传统网络的ECA模块中的归一化操作替换为使用B_sigmoid函数，其表达式为：其中，ReLU6(·)是限制最大数值为6的ReLU函数，α是用来控制函数斜率的系数。

5.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤S6中，使用1*1的卷积核来压缩通道数；所述跳连是将最初输入的特征图Ⅰ与施加通道注意力机制后的特征图V进行跳连。