1.一种针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，包括：剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。

2.根据权利要求1所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述得到第一中间神经网络之后，还包括：第一中间神经网络的Head网络从第四MBConv阶段、第五MBConv阶段及第六MBConv阶段分别提取特征信息。

3.根据权利要求2所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述第一中间神经网络的Head网络从第四MBConv阶段、第五MBConv阶段及第六MBConv阶段分别提取特征信息，包括：从所述第四MBConv阶段提取的特征信息为第二尺寸目标的特征信息；从所述第五MBConv阶段提取的特征信息为第三尺寸目标的特征信息；从第六MBConv阶段提取的特征信息为第四尺寸目标的特征信息。

4.根据权利要求3所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，包括：从第一中间神经网络的第三Fused MBConv层后加入所述第一尺寸目标提取环节，对第一尺寸目标的特征信息进行提取。

5.根据权利要求4所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述对第二中间神经网络进行梯度噪声滤波，包括：采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，得到具备预定梯度的第三中间神经网络。

6.根据权利要求5所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用四个多残差并行模块替换第二中间神经网络中的四个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。

7.根据权利要求5所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用三个多残差并行模块替换第二中间神经网络中的三个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。

8.一种针对路面车辆识别的多尺寸目标精确识别装置，其特征在于，包括：第一主模块，用于实现剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；第二主模块，用于实现在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；第三主模块，用于实现对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。

9.一种电子设备，其特征在于，包括：

至少一个处理器、至少一个存储器和通信接口；其中，

所述处理器、存储器和通信接口相互间进行通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至7任一项权利要求所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使计算机执行权利要求1至7中任一项权利要求所述的方法。