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，包括如下操作：

S1、待检遥感图像经图像增强处理，得到遥感增强图像；遥感增强图像分别经一次、二次、三次和四次的小目标特征提取处理，得到浅层遥感特征、中层遥感特征、中深层遥感特征和深层遥感特征；

小目标特征提取处理的操作具体为：输入经下采样和卷积处理，得到卷积特征；卷积特征分别经结构特征提取和多尺度纹理增强后，进行拼接，得到输出；

S2、浅层遥感特征、中层遥感特征、中深层遥感特征和深层遥感特征经低级语义信息聚合处理，得到第一语义聚合特征；深层遥感特征经通道维度降低处理，得到深层语义特征；

深层语义特征与中深层遥感特征、中层遥感特征、第一语义聚合特征经低级语义注入处理，得到第一低级注入特征；第一低级注入特征与中层遥感特征、浅层遥感特征和第一语义聚合特征经低级语义注入处理，得到第二低级注入特征；

第一低级注入特征、第二低级注入特征和深层语义特征经高级语义信息聚合处理，得到第二语义聚合特征；第二低级注入特征经通道维度降低处理，得到低级目标聚合特征；第二语义聚合特征与第一低级注入特征、第二低级注入特征经高级语义注入处理，得到中级目标聚合特征；第二语义聚合特征与中级目标聚合特征、深层语义特征经高级语义注入处理，得到高级目标聚合特征；

S3、低级目标聚合特征、中级目标聚合特征和高级目标聚合特征经线性映射和全连接处理后，依次进行边界框回归、边界框分类识别和非极大值抑制处理，得到目标检测结果。

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S1中，多尺度纹理增强处理的操作具体为：卷积特征分别经多尺度卷积特征提取和空间上下文特征提取，得到多尺度卷积特征和空间上下文特征；多尺度卷积特征和空间上下文特征经逐元素相乘后，与多尺度卷积特征进行逐元素相加，得到初始纹理增强特征；初始纹理增强特征经卷积处理，得到多尺度纹理增强特征。

3.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，空间上下文特征提取的操作可通过平均池化、卷积、若干次深度可分离卷积、卷积和Sigmoid函数实现。

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S2中，低级语义信息聚合处理的操作具体为：浅层遥感特征、中层遥感特征分别经平均池化处理，得到浅层池化特征和中层池化特征；深层遥感特征经双线性映射处理后，与中深层遥感特征、浅层池化特征和中层池化特征，经基于通道连接的拼接处理，得到初始聚合特征；初始聚合特征经卷积处理、结构参数化处理和卷积处理，得到第一语义聚合特征。

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S2中，得到第一低级注入特征的操作具体为：深层语义特征、中深层遥感特征、中层遥感特征分别经双线性映射处理、卷积、平均池化后，经基于通道连接的拼接处理和卷积，得到第一局部注入特征；

第一语义聚合特征经卷积、Sigmoid函数处理和平均池化后，与第一局部注入特征经逐元素相乘，得到第一初始注入特征；

第一语义聚合特征经卷积和平均池化后，与第一初始注入特征经逐元素相加，得到第一低级注入特征。

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S2中，高级语义信息聚合处理的操作具体为：第一低级注入特征和第二低级注入特征分别经平均池化后，与深层语义特征经基于通道连接的拼接处理和卷积，得到第一高级语义特征；

第一高级语义特征经深度可分离卷积处理后，与第一高级语义特征进行叠加，再进行批通道归一化处理，得到第二高级语义特征；

第二高级语义特征经前馈神经网络处理后，与第二高级语义特征进行叠加，再进行层归一化处理，得到第二语义聚合特征。

7.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S2中，得到中级目标聚合特征的操作具体为：第一低级注入特征和第二低级注入特征分别经卷积和平均池化后，经基于通道连接的拼接处理和卷积，得到第二局部注入特征；

第二语义聚合特征经卷积、Sigmoid函数处理和平均池化后，与第二局部注入特征经逐元素相乘，得到第二初始注入特征；

第二语义聚合特征经卷积和平均池化后，与第二初始注入特征经逐元素相加，得到中级目标聚合特征。

8.一种基于深度学习的遥感图像目标检测系统，用于实现权利要求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，包括：多层次遥感特征生成模块，用于待检遥感图像经图像增强处理，得到遥感增强图像；遥感增强图像分别经一次、二次、三次和四次的小目标特征提取处理，得到浅层遥感特征、中层遥感特征、中深层遥感特征和深层遥感特征；小目标特征提取处理的操作具体为：输入经下采样和卷积处理，得到卷积特征；卷积特征分别经结构特征提取和多尺度纹理增强后，进行拼接，得到输出；

多目标聚合特征生成模块，用于浅层遥感特征、中层遥感特征、中深层遥感特征和深层遥感特征经低级语义信息聚合处理，得到第一语义聚合特征；深层遥感特征经通道维度降低处理，得到深层语义特征；深层语义特征与中深层遥感特征、中层遥感特征、第一语义聚合特征经低级语义注入处理，得到第一低级注入特征；第一低级注入特征与中层遥感特征、浅层遥感特征和第一语义聚合特征经低级语义注入处理，得到第二低级注入特征；第一低级注入特征、第二低级注入特征和深层语义特征经高级语义信息聚合处理，得到第二语义聚合特征；第二低级注入特征经通道维度降低处理，得到低级目标聚合特征；第二语义聚合特征与第一低级注入特征、第二低级注入特征经高级语义注入处理，得到中级目标聚合特征；第二语义聚合特征与中级目标聚合特征、深层语义特征经高级语义注入处理，得到高级目标聚合特征；

目标检测结果生成模块，用于低级目标聚合特征、中级目标聚合特征和高级目标聚合特征经线性映射和全连接处理后，依次进行边界框回归、边界框分类识别和非极大值抑制处理，得到目标检测结果。

9.一种基于深度学习的遥感图像目标检测设备，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1‑7任一项所述的基于深度学习的遥感图像目标检测方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1‑7中任一项所述的基于深度学习的遥感图像目标检测方法。