1.基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，包括：S1.获得数据增强后的数据集；

S2.主干特征网络提取前，进行一次卷积和标准化的预处理及激活函数预处理；

S3.使用主干特征网络提取3、5、7层特征，输入到下一阶段的特征融合网络；

S4.在第7层基础上进行一次膨胀卷积、标准化、最大池化得到一层新特征P8；

S5.在新特征上继续使用膨胀卷积、标准化、最大池化，同时引入残差连接，与第5层特征进行特征融合得到最后一层特征P9；

S6.构建特征融合网络，将每次特征融合后的激活函数改为“Relu”；

特征融合后将原来的4层特征融合单元增加到5层；

S7.将融合后的特征输入到类别预测网络与定位框预测网络；

S8.进行精度评定，完成基于改进EfficientDet网络的海面军事目标检测与分类。

2.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，步骤S1中将不同的原始图像分别旋转不同的角度。

3.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，步骤S3中，使用主干特征网络提取特征前，以残差网络的结构为基础构建残差单元，包括：

S3.1.将输入特征进行一次1×1的卷积实现图像的升维；

S3.2.进行一次深度可分离卷积；

S3.3.进行全局平局池化和两次1×1的卷积；

S3.4.将S3.3输出结果与S3.2输出结果相乘形成一个残差连接；

S3.5.将S3.4输出结果进行一次1×1卷积，并与S3.1的输入特征相加进行特征融合得到输出。

4.根据权利要求3所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，步骤S3中，对所述残差单元不断重复堆叠，共形成7层，每层分别重复这些残差单元1、2、2、3、3、4、1次，图像的维度逐渐由3维上升到320维。

5.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，步骤S6中，特征融合网络的输入从下至上共5层特征，构建特征融合网络包括：

S6.1.将主干网络提取的最顶层P5特征进行上采样并与第4层特征P4进行融合得到A4，将A4继续上采样并与P3进行特征融合得到A3，同理可以得到A2；

S6.2.将A2上采样并与P1进行特征融合得到B1；

S6.3.将B1进行下采样并与A2、P2进行特征融合得到B2，将B2下采样并与A3、P3特征融合得到B3，以此类推得到B4、B5，最终输出共形成了B1‑B5共5层特征；

S6.4.上个特征融合单元的输出将作为下一个单元的输入，将这种特征融合单元重复4次构成特征融合网络。

6.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，步骤S7中，将融合后的特征输入到类别预测网络与框预测网络得到图像中每个目标的类别和位置。

7.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，类别预测网络首先进行3次深度可分离卷积，将图像通道数调整为88，之后进行一次滤波器深度为9×9的深度可分离卷积，两个9分别代表各个候选区域预设的预测框的个数和预测类别的个数，使用的损失函数为Focal。

8.根据权利要求1所述的基于改进EfficientDet网络的海面军事目标检测与分类方法，其特征在于，框预测网络先进行3次滤波器深度为88的深度可分离卷积，之后再进行一次深度可分离卷积将通道数调整为9×4，9代表设定的预测框个数，4代表每个预测框的4个调整参数，使用的损失函数为Smooth_L1。