1.一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，包括以下步骤：

S1，对排污管道内部图像进行特征提取获取特征图，对特征图进行卷积处理获得对应注意力图；

S2，对所述注意力图进行叠加调整生成增强图，将所述增强图与预设的阈值θo进行比较，使用边界框覆盖大于θo的像素，并通过裁剪处理获得目标图；

S3，对目标图进行卷积处理获得对应的目标注意力图，将所述目标注意力图与预设的阈值θm进行比较，将所述目标注意力图中大于阈值的部分进行遮掩处理，并与所述目标图进行空间相乘获得物体增强图；

S4，对所述物体增强图、排污管道内部图像作为训练数据输入网络进行训练，获得增强后的第二特征图及其第二注意力图，将所述第二特征图及其第二注意力图进行像素点乘获得弱监督检测结果图。

2.根据权利要求1所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S1中，使用ResNet‑50主干网络对输入的地下排污管道内部图像进行特征提取得到特征图，使用卷积核大小为1×1的卷积层对特征图进行卷积处理，并将全部的注意力图进行叠加得到注意力结果图。

3.根据权利要求1所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S2中，将所述增强图的各个像素与预设的阈值θo进行大小判断，大于θo的像素点记为1，反之记为0，增强图中大于θo值的像素点记作1表示该点存在目标物体；公式如下，

其中，阈值θo∈[0,1]，用于判断目标物体的位置信息，Aa(i,j)表示增强图中的各个像素点。

4.根据权利要求3所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S2中，使用边界框覆盖其中像素为1的整个目标区域，即目标物所在区域，将所述目标物所在区域进行框选并裁剪，并将裁剪后的目标物所在区域图像放大到裁剪前的大小。

5.根据权利要求4所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S3中，所述目标图即为放大后的目标物所在区域图像，使用卷积核大小为1×1的卷积层对目标图进行卷积处理。

6.根据权利要求1所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S3中，将所述目标注意力图的各个像素与阈值θm进行大小判断，大于θm的像素点则记为0，反之记为1，经过阈值θm判断后的目标注意力图会将大于阈值最具辨别能力的像素部分遮掩，将遮掩后的目标注意力图与所述目标图通过空间乘法，得到物体增强图，公式如下，其中，阈值θm∈[0,1]，用于判断目标对象各部分的注意力情况，Ao(i,j)表示目标注意力图中的各个像素点， 表示空间相乘。

7.根据权利要求1‑6任一项所述一种基于弱监督的注意力引导图像增强网络用于地下排污管道内部缺陷检测方法，其特征在于，在步骤S4中，在获得增强后的第二特征图后，对第二特征图进行卷积处理获得对应第二注意力图，将所述第二特征图及其第二注意力图进行像素点乘获得目标对象细节更加完整的结果图，即弱监督检测结果图，公式如下，e

F＝f(Ir,Ie)

e e

Ap＝conv(F)

其中，Ir表示地下排污管道内部图像，Ie表示增强模块最终输出的物体增强图，f表示由e

49个卷积层组成的ResNet‑50用于提取特征，F表示地下排污管道内部图像和物体增强图e W×H

经过主干网络之后得到的增强后的第二特征图，Ap ∈R 表示了对象物体某部分经过增强后的第二注意力图，W、H分别代表了第二注意力图的宽和高，conv表示一个卷积核大小为1e e

×1的卷积层，*表示增强后的第二特征图F和增强后的第二注意力图Ap中各个像素点之间逐点相乘，N表示第二注意力图的数量。