1.一种目标检测网络的训练方法，其特征在于，包括：分别构建孪生网络和目标检测网络的网络结构，所述孪生网络包括共享特征提取器、局部特征提取器和相似性度量模块；获取训练集，所述训练集中包括多组含有飞行器图像的交叉样本图像；根据所述训练集包括的所述交叉样本图像训练所述孪生网络，得到训练后的所述孪生网络对应的网络参数；根据所述网络参数和所述训练集包括的所述交叉样本图像，训练所述目标检测网络；其中，根据所述训练集包括的所述交叉样本图像训练所述孪生网络，得到训练后的所述孪生网络对应的网络参数，包括：从所述训练集中获取预设组数的交叉样本图像；将获取的每组所述交叉样本图像输入所述共享特征提取器中，分别获得每组所述交叉样本图像对应的特征映射图像；将每组所述交叉样本图像对应的飞行器坐标、背景坐标、飞行器类别及所述特征映射图像输入所述局部特征提取器中，分别获得每组所述交叉样本图像对应的飞行器特征向量和背景特征向量；将每组所述交叉样本图像对应的所述飞行器特征向量和所述背景特征向量输入所述相似性度量模块，分别获得每组所述交叉样本图像对应的损失值；根据每组所述交叉样本图像对应的损失值，调整所述孪生网络对应的网络参数，返回执行从所述训练集中获取预设组数的交叉样本图像的操作；其中，所述将每组所述交叉样本图像对应的飞行器坐标、背景坐标、飞行器类别及所述特征映射图像输入所述局部特征提取器中，分别获得每组所述交叉样本图像对应的飞行器特征向量和背景特征向量，包括：通过所述局部特征提取器计算所述交叉样本图像与其对应的所述特征映射图像之间的尺寸缩小因子；根据所述尺寸缩小因子及所述交叉样本图像对应的所述飞行器坐标和所述背景坐标，在所述特征映射图像中分别确定所述飞行器坐标对应的飞行器映射区域和所述背景坐标对应的背景映射区域；通过所述局部特征提取器分别对所述飞行器映射区域和所述背景映射区域进行均值池化处理，得到所述交叉样本图像对应的飞行器特征向量和背景特征向量。
2.根据权利要求1所述的方法，其特征在于，所述构建孪生网络的网络结构，包括：分别构建共享特征提取器、局部特征提取器和相似性度量模块；将所述共享特征提取器的输出结果作为所述局部特征提取器的输入参数，将所述局部特征提取器的输出结果作为所述相似性度量模块的输入参数，得到孪生网络。
3.根据权利要求1所述的方法，其特征在于，所述获取训练集，包括：获取预设数目包含飞行器图像的遥感图像；在每个所述遥感图像中标注飞行器坐标、背景坐标及飞行器类别；将标注后的任意两个所述遥感图像组成一组交叉样本图像，得到训练集。
4.根据权利要求2所述的方法，其特征在于，根据所述训练集包括的所述交叉样本图像训练所述孪生网络，得到训练后的所述孪生网络对应的网络参数，包括：当迭代训练次数大于或等于第一预设迭代次数时，停止训练，获取当前所述共享特征提取器、所述局部特征提取器和所述相似性度量模块对应的网络参数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述网络参数和所述训练集包括的所述交叉样本图像，训练所述目标检测网络，包括；将所述网络参数配置为所述目标检测网络的初始化参数；将所述训练集包括的所述交叉样本图像输入所述目标检测网络中进行迭代训练，每次迭代均根据所述目标检测网络输出的损失值调整所述目标检测网络对应的网络参数；当迭代训练次数大于或等于第二预设迭代次数时，停止训练，获得训练好的目标检测网络。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述网络参数和所述训练集包括的所述交叉样本图像，训练所述目标检测网络之后，还包括：获取包含飞行器图像的待检测图像；将所述待检测图像输入训练好的所述目标检测网络中，获得所述待检测图像中包含的飞行器对应的飞行器坐标和飞行器类别。
7.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1-6任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1-6任一项所述的方法。
