1.一种基于锚框的注意力遥感图像目标检测方法，包括如下步骤：S100：将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到目标检测模型中，建立一个端到端的单阶段遥感目标检测模型；

S200：采用所述端到端的单阶段遥感目标检测模型对遥感目标进行检测；

S300：输出遥感目标的检测结果。

2.根据权利要求1所述的方法，其中，优选的，所述步骤S100进一步包括：S101：使用主干网络和跳跃连接特征金字塔模块从输入图像中提取卷积特征，得到预测特征图；

S102：使用基于锚框的位置注意力模块生成位置注意力权重特征图，并作用于所述预测特征图，重标定预测特征图的特征分布；

S103：使用目标检测头网络中的分类和回归子网络生成预测边界框的类别分数和位置信息，并使用非极大值抑制NMS操作筛选检测结果。

3.根据权利要求1所述的方法，其中，所述步骤S100中的目标检测模型采用RetinaNet模型。

4.根据权利要求2所述的方法，其中，所述步骤S101进一步包括：S1011：在提取特征的主干网络之后添加两个步长为2的卷积操作，生成两个不同分辨率的特征图作为P6特征图、P7特征图；

S1012：在主干网络末尾添加全局平均池化操作，生成聚合丰富语义信息的GAP特征图；

S1013：在每次使用最近邻插值上采样特征图后和主干网络上对应的C5特征图、C4特征图、C3特征图相加融合时，同时加上GAP特征图，得到自顶向下路径上的P5特征图、P4特征图、P3特征图；

S1014：从P3特征图开始下采样特征图，依次传递细节定位信息，与对应自顶向下路径上的P5特征图、P4特征图、P3特征图相加融合；

S1015：将P3特征图分别二倍、四倍池化，相加融合至自底向上路径上的各层特征图，得到自底向上路径上的N3特征图、N4特征图、N5特征图；

S1016：将所得到的N3特征图、N4特征图、N5特征图、P6特征图和P7特征图作为预测特征图。

5.根据权利要求2所述的方法，其中，所述步骤S102进一步包括：S1021：在所述预测特征图上连接四次卷积操作，然后基于锚框判别所述预测特征图上每一位置像素的类别，得到每一位置像素类别的预测结果特征图；

S1022：将所述每一位置像素类别的预测结果特征图压缩为一个通道形成位置注意力权重特征图；

S1023：将所述位置注意力权重特征图作用于所述预测特征图上，重标定预测特征图的特征分布。

6.根据权利要求5所述的方法，其中，所述步骤S1021进一步包括：将与边界框标签的IOU大于0.5的锚框视为正样本，与边界框标签的IOU小于0.4的锚框视为负样本。

7.根据权利要求5所述的方法，其中，所述步骤S1022进一步包括：位置注意力权重特征图的形成方式为使用通道维度取最大值方法。

8.根据权利要求5所述的方法，其中，所述步骤S1023进一步包括：所述将所述位置注意力权重特征图作用于所述预测特征图上的作用方式采用先点乘预测特征图，再相加融合至预测特征图。

9.根据权利要求4所述的方法，其中，所述步骤S1014进一步包括：所述下采样是采用池化下采样操作。

10.根据权利要求2所述的方法，其中，所述步骤S103中的目标检测头网络中的分类和回归子网络为：分别连接4个256通道的卷积操作后，再分别添加KA个通道的卷积层和4A个通道的卷积层，经过激活层后预测边界框的类别分数和位置信息，K表示类别数，A表示每一像素位置的锚框数量。