1.一种基于特征金字塔网络的小目标船只检测方法，其特征在于，包括以下步骤：
步骤①，进行样本数据预处理，得到预处理后的图片；所述样本数据相应标注船只类型和位置数据；
步骤②，构建自底向上的卷积神经网络，在前向过程中，抽取不同大小的特征图构成初始特征金字塔；将步骤①经过预处理后的图片作为输入，经过网络处理后，生成不同尺度的特征图；
步骤③，以上采样的方式构建自顶向下的网络，通过横向连接与步骤②的自底向上的网络融合，将上采样的结果和步骤②生成的初始特征金字塔内对应相同大小的特征图融合成新的特征图；
步骤④，利用步骤③的特征金字塔内新的特征图，经过rpn网络处理后，生成船只目标的候选区域；
步骤⑤，根据步骤④产生的候选区域，利用样本数据训练特征金字塔网络，采用训练好的特征金字塔网络实现小目标船只的检测。
2.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤①中，采集的样本数据为可见光下的沿海区域监控视频帧数据，预处理包括中值滤波和retinex图像增强处理。
3.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤②中，在前向卷积神经网络中，为每个阶段定义一个金字塔级别，选择每个阶段的最后一层的输出作为特征图的输出，构成特征金字塔。
4.根据权利要求1所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤③中，自顶向下的网络通过对在空间上更抽象但语义更强的高层特征图进行上采样来得到高分辨率的特征，随后通过侧向连接从底向上的相同大小的特征，使得高层特征得到增强。
5.根据权利要求1或2或3或4所述基于特征金字塔网络的小目标船只检测方法，其特征在于：步骤④中，采用rpn网络生成目标的候选区域，不同尺度的特征图作为rpn网络的输入来生成多个候选区域；选择与训练样本中真实目标区域的区域重合度iou大于0.7的候选区域作为正样本，iou小于0.3的候选区域作为负样本，作为卷积神经网络的基础。
6.一种基于特征金字塔网络的小目标船只检测系统，其特征在于，包括以下模块：
第一模块，用于进行样本数据预处理，得到预处理后的图片；所述样本数据相应标注船只类型和位置数据；
第二模块，用于构建自底向上的卷积神经网络，在前向过程中，抽取不同大小的特征图构成初始特征金字塔；将第一模块经过预处理后的图片作为输入，经过网络处理后，生成不同尺度的特征图；
第三模块，用于以上采样的方式构建自顶向下的网络，通过横向连接与第二模块的自底向上的网络融合，将上采样的结果和第二模块生成的初始特征金字塔内对应相同大小的特征图融合成新的特征图；
第四模块，用于利用第三模块的特征金字塔内新的特征图，经过rpn网络处理后，生成船只目标的候选区域；
第五模块，用于根据第四模块产生的候选区域，利用样本数据训练特征金字塔网络，采用训练好的特征金字塔网络实现小目标船只的检测。
7.根据权利要求6所述基于特征金字塔网络的小目标船只检测系统，其特征在于：第一模块中，采集的样本数据为可见光下的沿海区域监控视频帧数据，预处理包括中值滤波和retinex图像增强处理。
8.根据权利要求6所述基于特征金字塔网络的小目标船只检测系统，其特征在于：第二模块中，在前向卷积神经网络中，为每个阶段定义一个金字塔级别，选择每个阶段的最后一层的输出作为特征图的输出，构成特征金字塔。
9.根据权利要求6所述基于特征金字塔网络的小目标船只检测系统，其特征在于：第三模块中，自顶向下的网络通过对在空间上更抽象但语义更强的高层特征图进行上采样来得到高分辨率的特征，随后通过侧向连接从底向上的相同大小的特征，使得高层特征得到增强。
10.根据权利要求6或7或8或9所述基于特征金字塔网络的小目标船只检测系统，其特征在于：第四模块中，采用rpn网络生成目标的候选区域，不同尺度的特征图作为rpn网络的输入来生成多个候选区域；选择与训练样本中真实目标区域的区域重合度iou大于0.7的候选区域作为正样本，iou小于0.3的候选区域作为负样本，作为卷积神经网络的基础。