1.一种基于深度学习的遥感图像目标检测方法，其特征在于，包括以下步骤：S1：获取待处理的遥感图像数据后，分别经五个不同尺度大小卷积核的深度可分离卷积处理，得到的不同尺度特征相加后，得到第一特征；

第一特征依次经批标准化处理、第一激活函数处理、深度卷积、批标准化处理，得到第二特征；

S2：第二特征经特征的提取和增强，得到第三特征；

第三特征依次经下采样、特征的提取和增强，得到第四特征；

第四特征依次经下采样、特征的提取和增强，得到第五特征；

第五特征依次经下采样、特征的提取和增强，得到第六特征；

所述特征的提取和增强，包括以下操作：

输入特征经数据复制后，分别记为初始特征和待处理特征；

待处理特征依次经层归一化处理、线性处理，得到处理后的特征；

处理后的特征经数据复制后，分别记为待提取的特征和待增强的特征；

待提取的特征依次经深度卷积、第二激活函数处理、选择性扫描机制处理、第一激活函数处理、层归一化处理，得到提取特征；

待增强的特征经条状卷积注意力处理后，第二激活函数进行处理，得到增强特征；

提取特征和增强特征相乘后，与初始特征相加，得到输出特征；

S3：第六特征经卷积处理，进行特征融合，得到的融合特征经分类处理，生成目标的旋转定位框；将旋转定位框映射至融合特征上，生成候选框，经分类和回归后，得到目标的位置和类别。

2.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，所述步骤S1中，获取待处理的遥感图像数据后，分别经五个不同尺度大小卷积核的深度可分离卷积处理，得到的不同尺度特征相加后，得到第一特征，具体为：待处理的遥感图像数据经第一卷积核的深度可分离卷积处理，得到第一尺度特征；

待处理的遥感图像数据经第二卷积核的深度可分离卷积处理，得到第二尺度特征；

待处理的遥感图像数据经第三卷积核的深度可分离卷积处理，得到第三尺度特征；

待处理的遥感图像数据经第四卷积核的深度可分离卷积处理，得到第四尺度特征；

待处理的遥感图像数据经第五卷积核的深度可分离卷积处理，得到第五尺度特征；

第一尺度特征、第二尺度特征、第三尺度特征、第四尺度特征与第五尺度特征相加，得到第一特征。

3.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，所述步骤S2中，待增强的特征经条状卷积注意力处理后，第二激活函数进行处理，得到增强特征，具体为：待增强的特征依次经第一卷积、第二卷积、第三卷积、第一卷积、第二激活函数激活，得到增强特征；

所述第一卷积的卷积核为1×1，第二卷积的卷积核为1×3，第三卷积的卷积核为3×1。

4.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，所述步骤S3中，第六特征经卷积处理，进行特征融合，具体为：第六特征经四个不同尺度大小卷积处理后，得到四个不同尺度的特征；每一个特征经卷积、下采样处理，处理后的四个特征进行特征融合。

5.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，所述步骤S3中，得到的融合特征经分类处理，生成目标的旋转定位框，具体为：得到的融合特征确定边界框后，进行分类处理，计算分类后的边界框的位置偏移量，筛选后，生成目标的旋转定位框。

6.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，所述步骤S3中，将旋转定位框映射至融合特征上，生成候选框，经分类和回归后，得到目标的位置和类别，具体为：获取旋转定位框的坐标值，将坐标值映射至融合特征上，得到映射区域；将映射区域划分为若干个区域，每个区域进行池化处理后，生成候选框；经全连接层处理进行分类和回归后，得到目标的位置和类别。

7.根据权利要求2所述的基于深度学习的遥感图像目标检测方法，其特征在于，第一卷积核为3×3，第二卷积核为5×5，第三卷积核为7×7，第四卷积核为9×9，第五卷积核为11×11。

8.根据权利要求1所述的基于深度学习的遥感图像目标检测方法，其特征在于，第一激活函数为GELU激活函数；第二激活函数为SiLU激活函数。

9.一种基于深度学习的遥感图像目标检测系统，其特征在于，包括：预处理模块：用于获取待处理的遥感图像数据后，分别经五个不同尺度大小卷积核的深度可分离卷积处理，得到的不同尺度特征相加后，得到第一特征；

第一特征依次经批标准化处理、第一激活函数处理、深度卷积、批标准化处理，得到第二特征；

特征的提取和增强模块：用于第二特征经特征的提取和增强，得到第三特征；

第三特征依次经下采样、特征的提取和增强，得到第四特征；

第四特征依次经下采样、特征的提取和增强，得到第五特征；

第五特征依次经下采样、特征的提取和增强，得到第六特征；

所述特征的提取和增强，包括以下操作：

输入特征经数据复制后，分别记为初始特征和待处理特征；

待处理特征依次经层归一化处理、线性处理，得到处理后的特征；

处理后的特征经数据复制后，分别记为待提取的特征和待增强的特征；

待提取的特征依次经深度卷积、第二激活函数处理、选择性扫描机制处理、第一激活函数处理、层归一化处理，得到提取特征；

待增强的特征经条状卷积注意力处理后，第二激活函数进行处理，得到增强特征；

提取特征和增强特征相乘后，与初始特征相加，得到输出特征；

目标检测模块：用于第六特征经卷积处理，进行特征融合，得到的融合特征经分类处理，生成目标的旋转定位框；将旋转定位框映射至融合特征上，生成候选框，经分类和回归后，得到目标的位置和类别。

10.一种基于深度学习的遥感图像目标检测装置，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1‑8中任一项所述的基于深度学习的遥感图像目标检测方法。