1.一种遥感目标检测模型的训练方法，其特征在于，包括：获取遥感分类训练集和遥感检测训练集；

将所述遥感分类训练集输入至第一网络框架中进行预训练，得到预训练好的第一网络框架；

将所述遥感检测训练集输入至所述预训练好的第一网络框架中进行遥感特征提取，得到融合特征集，所述融合特征集包括若干个不同空间深度的空间融合特征，每个所述空间融合特征用于记录对应的两个相邻特征尺度的遥感特征的特征信息；

将所述融合特征集输入至第二网络框架中进行遥感目标检测，得到目标检测信息；

根据所述目标检测信息，对所述预训练好的第一网络框架和所述第二网络框架进行联合微调训练，得到所述训练好的遥感目标检测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取遥感分类训练集和遥感检测训练集，包括：获取遥感分类数据集和遥感检测数据集；

对所述遥感分类数据集进行数据增强，得到所述遥感分类训练集；

对所述遥感检测数据集进行数据增广，得到所述遥感检测训练集。

3.根据权利要求1所述的方法，其特征在于，所述第一网络框架包括若干个级联的状态空间融合单元，所述将所述遥感分类训练集输入至所述第一网络框架中进行预训练，得到预训练好的第一网络框架，包括：将所述遥感分类训练集输入至所述若干个级联的状态空间融合单元中进行多级空间特征提取及融合，得到目标分类融合特征，所述目标分类融合特征用于记录与所述遥感分类训练集对应的遥感场景特征信息和目标类别特征信息；

根据所述目标分类融合特征，对所述第一网络框架进行参数更新，得到所述预训练好的第一网络框架。

4.根据权利要求3所述的方法，其特征在于，每个所述状态空间融合单元包括状态空间建模模块和空间融合模块，将输入特征输入至所述状态空间融合单元中进行空间特征提取及融合，得到中间分类融合特征，包括：将所述输入特征输入至所述状态空间建模模块中进行状态空间建模，得到空间深度建模特征；

将所述空间深度建模特征输入至所述空间融合模块中进行相邻尺度特征融合，得到所述中间分类融合特征。

5.根据权利要求4所述的方法，其特征在于，所述将所述输入特征输入至所述状态空间建模模块中进行状态空间建模，得到空间深度建模特征，包括：对所述输入特征进行双分支线性归一化，得到第一中间特征和第二中间特征；

对所述第一中间特征进行多方向扫描，得到扫描特征集，所述扫描特征集包括若干个扫描特征，每个所述扫描特征对应的扫描方向不同；

对所述扫描特征集进行空间建模，得到若干个状态空间建模数据，每个所述状态空间建模数据对应一个所述扫描特征；

对所有所述状态空间建模数据进行逐元素相加，得到状态空间建模特征；

根据所述第二中间特征和所述输入特征，对所述状态空间建模特征进行逐元素相乘，得到所述空间深度建模特征。

6.根据权利要求4所述的方法，其特征在于，所述中间分类融合特征包括第一分类融合特征和第二分类融合特征，所述将所述空间深度建模特征输入至所述空间融合模块中进行相邻尺度特征融合，得到所述中间分类融合特征，包括：对所述空间深度建模特征进行第一特征通道分离，得到第三中间特征和第四中间特征；

根据所述空间深度建模特征，对所述第三中间特征进行频率融合，得到所述第一分类融合特征和中间分类融合特征；

根据所述第四中间特征，对所述中间分类融合特征进行深度卷积及通道拼接，得到所述第二分类融合特征。

7.一种遥感目标检测模型的识别方法，其特征在于，包括：获取待检测的目标遥感图像；

将所述目标遥感图像输入至如权利要求1‑6任一项所述的训练好的遥感目标检测模型中进行目标检测，得到遥感目标检测结果。

8.一种遥感目标检测模型的训练系统，其特征在于，包括：第一处理单元，用于获取遥感分类训练集和遥感检测训练集；

第二处理单元，用于将所述遥感分类训练集输入至第一网络框架中进行预训练，得到预训练好的第一网络框架；

第三处理单元，用于将所述遥感检测训练集输入至所述预训练好的第一网络框架中进行遥感特征提取，得到融合特征集，所述融合特征集包括若干个不同空间深度的空间融合特征，每个所述空间融合特征用于记录对应的两个相邻特征尺度的遥感特征的特征信息；

第四处理单元，用于将所述融合特征集输入至第二网络框架中进行遥感目标检测，得到目标检测信息；

第五处理单元，用于根据所述目标检测信息，对所述预训练好的第一网络框架和所述第二网络框架进行联合微调训练，得到所述训练好的遥感目标检测模型。

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，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1‑7中任一项所述的方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1‑7任一项所述的方法。