1.一种目标检测模型的训练方法，其特征在于，包括：获取模型训练样本，所述模型训练样本用于描述采集到海面无人集群的历史图像数据；基于所述模型训练样本对预设检测模型进行训练，得到初始检测模型，所述初始检测模型用于检测图像数据中目标物的分布位置和所属类别，所述初始检测模型包括：第一分支和第二分支，所述第一分支用于进行图像特征提取，所述第二分支用于基于所述图像特征提取的结果识别图像数据中目标物的分布位置和所属类别；将所述模型训练样本输入所述初始检测模型的所述第一分支中，得到图像提取特征；基于所述模型训练样本和所述图像提取特征对预设压缩模型进行训练，得到图像压缩模型；将所述模型训练样本输入所述图像压缩模型中，得到图像压缩特征；将所述图像压缩特征输入所述初始检测模型的所述第二分支中，得到所述历史图像数据对应的目标检测结果；采用预设损失函数，基于所述历史图像数据对应的目标检测结果对所述初始检测模型的所述第一分支和所述第二分支进行参数微调，得到所述目标检测模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述模型训练样本和所述图像提取特征对预设压缩模型进行训练，得到图像压缩模型，包括：获取预设压缩模型，所述预设压缩模型包括：自编码器、超先验编码器、超先验解码器和转换器；将所述模型训练样本输入所述预设压缩模型的所述自编码器中，得到像素空间表示数据；对所述像素空间表示数据进行量化处理，得到像素空间量化数据；将所述像素空间量化数据输入所述预设压缩模型的所述超先验编码器中，得到所述像素空间量化数据对应的超先验编码数据；将所述超先验编码数据输入所述预设压缩模型的所述超先验解码器中，得到超先验特征信息，所述超先验特征信息是对所述超先验编码数据进行解码得到的像素域潜在表示进行特征提取得出的；将所述超先验特征信息输入所述预设压缩模型的所述转换器中，得到高维空间数据特征；采用所述预设损失函数，基于所述高维空间数据特征和所述图像提取特征对所述预设压缩模型的所述自编码器、所述超先验编码器、所述超先验解码器和所述转换器进行优化训练，得到所述图像压缩模型。
3.根据权利要求2所述的方法，其特征在于，所述将所述模型训练样本输入所述图像压缩模型中，得到图像压缩特征之后，还包括：将所述图像压缩特征输入后增强模型中，得到图像增强特征，所述后增强模型用于对输入特征进行特征增强处理；基于所述图像增强特征和所述图像压缩特征的特征区别数据，对所述图像压缩特征进行更新。
4.根据权利要求3所述的方法，其特征在于，所述后增强模型的训练过程包括：将训练完成后的所述预设压缩模型的所述转换器输出的高维空间数据特征，输入所述初始检测模型的所述第二分支中，得到特征增强结果；采用预设损失函数，基于所述特征增强结果对预设增强模型进行优化训练，得到所述后增强模型。
5.根据权利要求3所述的方法，其特征在于，所述对所述像素空间表示数据进行量化处理，得到像素空间量化数据，包括：获取所述像素空间表示数据中满足数据连续条件的潜在表示数据；采用加性均匀噪声，对所述像素空间表示数据中满足数据连续条件的所述潜在表示数据进行量化处理，得到所述像素空间量化数据。
6.根据权利要求3所述的方法，其特征在于，所述将所述像素空间量化数据输入所述预设压缩模型的所述超先验编码器中，得到所述像素空间量化数据对应的超先验编码数据，包括：获取所述像素空间量化数据中每个像素值产生的像素条件概率；对所述像素空间量化数据中每个像素值产生的像素条件概率进行累乘运算，得到所述像素空间量化数据对应的图像条件概率；基于所述图像条件概率，对所述像素空间量化数据进行编码，得到所述像素空间量化数据对应的所述超先验编码数据。
7.一种海面无人集群的目标检测方法，其特征在于，包括：获取采集的海面无人集群的当前图像数据；将所述当前图像数据输入目标检测模型中，基于所述目标检测模型的输出结果确定所述当前图像数据的目标检测结果，所述当前图像数据的目标检测结果中包括：所述当前图像数据中目标物的分布位置和所属类别；其中，所述目标检测模型是基于权利要求1-6中任一项所述的目标检测模型的训练方法所训练得到的。
8.一种目标检测模型的训练装置，其特征在于，包括：第一获取模块，用于获取模型训练样本，所述模型训练样本用于描述采集到海面无人集群的历史图像数据；训练模块，用于基于所述模型训练样本对预设检测模型进行训练，得到初始检测模型，所述初始检测模型用于检测图像数据中目标物的分布位置和所属类别，所述初始检测模型包括：第一分支和第二分支，所述第一分支用于进行图像特征提取，所述第二分支用于基于所述图像特征提取的结果识别图像数据中目标物的分布位置和所属类别；第一确定模块，用于将所述模型训练样本输入所述初始检测模型的所述第一分支中，得到图像提取特征；第二确定模块，用于基于所述模型训练样本和所述图像提取特征对预设压缩模型进行训练，得到图像压缩模型；第三确定模块，用于将所述模型训练样本输入所述图像压缩模型中，得到图像压缩特征；第四确定模块，用于将所述图像压缩特征输入所述初始检测模型的所述第二分支中，得到所述历史图像数据对应的目标检测结果；微调模块，用于采用预设损失函数，基于所述历史图像数据对应的目标检测结果对所述初始检测模型的所述第一分支和所述第二分支进行参数微调，得到所述目标检测模型。
9.一种海面无人集群的目标检测装置，其特征在于，包括：第二获取模块，用于获取采集的海面无人集群的当前图像数据；第五确定模块，用于将所述当前图像数据输入目标检测模型中，基于所述目标检测模型的输出结果确定所述当前图像数据的目标检测结果，所述当前图像数据的目标检测结果中包括：所述当前图像数据中目标物的分布位置和所属类别；其中，所述目标检测模型是基于权利要求1-6中任一项所述的目标检测模型的训练方法所训练得到的。
10.一种计算机设备，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现如权利要求1～6中任一所述的目标检测模型的训练方法，或者实现如权利要求7所述的海面无人集群的目标检测方法。
