1.一种针对复杂背景中目标的检测与分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述res2net-50编码器是以resnet50为主干网络，并且在resnet50中每个基本块单个残差块内构造分层的残差类连接。
3.根据权利要求2所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述步骤s3中提取特征信息的方法为：导入数据集中的训练数据提取5层特征，其中，和为低级语义特征，包括图像的纹理信息和颜色信息；、和层为高级语义特征，包括图像的位置信息和上下文内容语义信息；使用conv3+bn+relu操作将每层特征的通道数均降至64通道。
4.根据权利要求3所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述步骤s4中生成预测特征的方法为：输入由步骤s3提取的特征信息，每一次操作时，对上一层特征进行双线性插值上采样，使其尺寸与下一层特征相同，然后采用拼接操作获取特征，随后进行降通道操作，得到预测特征。
5.根据权利要求4所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述步骤s5中生成预测特征的方法为：输入由步骤s3提取的特征信息，使用双线性插值上采样扩大高级语义特征的尺寸，使其与下一级特征具有相同的尺寸，然后将两级特征进行逐元素相乘并与高级语义特征进行拼接，生成位置图，重复上述步骤得到多个位置图，多个位置图两两进行逐元素相乘，得到预测特征。
6.根据权利要求5所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述步骤s6的具体方法为：将预测特征和进过sigmoid操作，映射至0-1区间，经过交叉融合，进一步强化细节特征，然后，使用拼接操作得到最终的输出最终预测图。
7.根据权利要求1-6任意一项所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述步骤s7的具体方法：在训练过程中，使用conv1卷积层将中间特征的通道数变为1，随后进行sigmoid，生成中间预测图，监督中间预测图和最终预测图。
8.根据权利要求7所述的一种针对复杂背景中目标的检测与分割方法，其特征在于，所述监督的方法为：通过双线性插值上采样放大结果，使其输出的尺寸大小与输入图片相同，然后通过sigmoid操作将最终预测图的数值输出映射到0-1，通过比较最终预测图和真值图的差异即损失值，观察损失值之和是否收敛来判断网络的训练过程。