1.一种基于改进多头自注意力的无人机小目标检测方法，其特征在于，包括如下步骤：步骤1：从已经部署的居民摄像头监控中采集图像，手工标注采集到的图像，获得一个含有低空无人机的图片数据集；

步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；

步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将改进多头自注意力模块加入到YOLOv5s模型中；

步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；

步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测；

所述的步骤3中，改进多头自注意力模块，包括：

多头自注意力模块具有三个输入端口和一个输出端口，输入端口输入的是原始特征，输出端口输出的是经过多头注意力模块处理后的新特征；

第一个输入端口连接改进残差通道注意力子模块，用于提高输入特征中小目标有效特征的显著性；

第二个输入端口连接改进残差空间特征注意力子模块，用于提高输入特征中小目标有效特征的显著性；

第三个输入端口和两个改进注意力子模块连接卷积层子模块，卷积层替换原全连接层以提高多头自注意力的即插即用性；

多头缩放点积注意力子模块与卷积层子模块连接，并通过拼接和卷积处理，输出新特征；

所述的改进残差通道注意力子模块，使用残差机制将原始输入特征与调整之后的特征相加，以使得输出特征可以保留部分浅层特征，继而保留更多的小目标特征；

所述的改进残差空间特征注意力子模块，包括：

使用最大值池化，以降低输入特征通道数；

使用三层卷积组成空间金字塔，以增大特征搜索的空间，提高小目标尺度有效特征的捕获率；

拼接最大值池化的特征、三层卷积空间金字塔的三个特征；

计算拼接后的均值特征；

输入特征与均值特征点积，获得加权特征；

使用残差机制将输入特征与加权特征相加，以使得输出特征可以保留部分浅层特征，继而保留更多的小目标特征。

2.根据权利要求1所述的一种基于改进多头自注意力的无人机小目标检测方法，其特征在于，所述的步骤3中，将改进多头自注意力模块加入到YOLOv5s模型，是将改进多头自注意力模块放在YOLOv5s的拼接层模块之后，用于调整拼接后小目标有效特征的显著性，降低检测层捕获小目标有效特征的难度。

3.根据权利要求1所述的一种基于改进多头自注意力的无人机小目标检测方法，其特征在于，所述的步骤5中，对居民摄像头监控数据进行检测，过程如下：从已经部署的居民摄像头监控中提取出单帧图像；

调用加载有新训练权重的YOLOv5s模型，对单帧图像进行检测；

若检测到小目标无人机，使用矩形框将小目标无人机区域自动框选出来。