1.一种基于特征离散程度的注意力机制方法，其特征在于，包括：基于所述初始特征图，获取所述初始特征图中像素值对应的目标方差；

基于所述目标方差和sigmoid激活函数，获取目标权重值；

基于所述目标权重值与所述初始特征图，获取目标特征图。

2.根据权利要求1所述的基于特征离散程度的注意力机制方法，其特征在于，在所述获取所述初始特征图中像素值对应的目标方差的步骤中，还包括以下步骤：基于所述初始特征图中的所述像素值，以通道为序数，沿坐标维度计算方差，获取与所述通道个数相同的初始方差；

将所述初始方差基于tanh激活函数进行映射处理，获取目标方差。

3.根据权利要求2所述的基于特征离散程度的注意力机制方法，其特征在于，在所述获取目标权重值的步骤中，还包括如下步骤：基于以sigmoid作为激活函数的全连接层对所述目标方差进行微调处理，获取第一目标权重值；

基于全局池化获取所述初始特征图中所述像素值的均值或最大值，获取通道对应的初始权重；

基于sigmoid作为激活函数的全连接层对所述初始权重进行微调处理，获取第二目标权重值；

其中，所述获取目标特征图的步骤，具体包括：

将所述初始特征图的通道维度与所述第一目标权重值和所述第二目标权重值对应相乘，获取通道加权后的所述目标特征图。

4.根据权利要求3所述的基于特征离散程度的注意力机制方法，其特征在于，所述获取通道加权后的目标特征图的步骤具体包括：将所述初始特征图的所述通道维度中的所述像素值跟所述第一目标权重值和所述第二目标权重值对应相乘，获取通道加权后的所述目标特征图。

5.根据权利要求1所述的基于特征离散程度的注意力机制方法，其特征在于，在所述获取所述初始特征图中像素值对应的目标方差的步骤中，还包括以下步骤：基于所述初始特征图的所述像素值，以所述像素值的坐标为序数，沿通道维度计算方差，获取与所述坐标个数相同的目标方差。

6.根据权利要求5所述的基于特征离散程度的注意力机制方法，其特征在于，在所述获取目标权重的步骤中，还包括如下步骤：将所述目标方差基于tanh激活函数进行映射处理，获取第一目标空间权重图；

将所述第一目标权重图送至avgpooling层，进行压缩处理，获取第二目标空间权重图；

将所述第二目标权重图送至upsample层进行尺寸处理，获取第三目标空间权重图；

将所述第三目标空间权重图连接所述sigmoid激活函数，获取具有目标权重的第四目标空间权重图；

其中，所述获取目标特征图的步骤，具体包括：

将所述第四目标空间权重图中的所述目标权重值与所述初始特征图中的所述像素值进行相乘，获取目标特征图。

7.根据权利要求6所述的基于特征离散程度的注意力机制方法，其特征在于，在所述获取第一目标空间权重图的步骤中，还包括如下步骤：将所述目标方差基于tanh激活函数进行映射处理，得到约束方差；

将所述约束方差基于1‑tanh（σ）进行计算，获取第一空间目标权重值；

基于所述第一空间目标权重值，获取所述第一目标空间权重图。

8.根据权利要求6所述的基于特征离散程度的注意力机制方法，其特征在于，所述压缩处理为基于2*2池化核，以2为步长对所述第一目标权重图的长宽进行1/2压缩；

所述尺寸处理包括对所述第二目标权重图的尺寸进行复原处理和微调处理；

其中，所述复原处理为基于反卷积层，以2为步长对所述压缩处理后获取的所述第二目标权重图的长宽进行恢复。

9.一种基于特征离散程度的注意力机制系统，其特征在于，包括：目标方差获取模块（10），用于基于所述初始特征图，获取所述初始特征图中像素值对应的目标方差；

目标权重值获取模块（20），用于基于所述目标方差和sigmoid激活函数，获取目标权重值；

目标特征图获取模块（30），用于基于所述目标权重值与所述初始特征图，获取目标特征图。

10.计算机可读存储介质，存储有能够被处理器加载并执行如权利要求1至8中任一项所述方法的计算机程序。