1.一种训练目标检测模型的方法，包括：
获取样本集，其中，样本集中的样本包括图片和标注信息，标注信息包括目标招牌的位置信息、深度值、方向角；
执行以下训练步骤：从所述样本集中选取样本输入目标检测模型的关键点检测层，输出位置预测结果，其中，所述位置预测结果包括角点与中心点热力图、中心点偏移、基于中心点的目标宽高；基于所述位置预测结果生成候选区域；将所述候选区域输入目标检测模型的预测层，得到预测方向角、分类回归结果和预测深度；基于所选取的样本的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值；若所述总损失值小于目标值，则确定出所述目标检测模型训练完成。
2.根据权利要求1所述的方法，其中，所述方法还包括：
若总损失值大于等于目标值，则调整所述目标检测模型的相关参数，并基于调整后的目标检测模型继续执行上述训练步骤。
3.根据权利要求1所述的方法，其中，所述基于所选取的样本的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值，包括：
若目标招牌的数量小于预定值，则获取所选取的样本的深度监督信号和分类回归监督信号；
基于所述深度监督信号、所述分类回归监督信号对所选取的样本的标注信息进行补充；
基于所选取的样本的补充后的标注信息与预测方向角、分类回归结果和预测深度计算总损失值。
4.根据权利要求3所述的方法，其中，所述获取所选取的样本的深度监督信号和分类回归监督信号，包括：
将所述候选区域和选取的样本输入预先训练的深度估计模型，输出所述候选区域的深度预测信息作为深度监督信号；
将选取的样本输入预先训练的目标检测器，输出检测框的位置信息作为分类回归监督信号。
5.根据权利要求4所述的方法，其中，所述输出检测框的位置信息作为分类回归监督信号，包括：
获取每个检测框的位置信息的置信度；
按置信度由大到小的顺序选取预定数目个置信度大于预定置信度阈值的检测框的位置信息作为分类回归监督信号。
6.根据权利要求5所述的方法，其中，所述基于所选取的样本的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值，包括：
为所述分类回归结果设置与补充后的标注信息中的置信度成正比的损失权重；
基于所述损失权重、补充后的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值。
7.根据权利要求5所述的方法，其中，所述角点与中心点热力图的高斯峰值为每个检测框的位置信息的置信度。
8.一种检测目标的方法，包括：
获取待检测区域的街景图；
将所述街景图输入根据权利要求1‑7中任一项所述的方法训练出的目标检测模型，输出所述街景图中至少一个招牌的方向角、位置信息和深度信息。
9.根据权利要求8所述的方法，其中，所述位置信息包括中心点位置、基于中心点的目标宽高、四个角的位置；
所述方法还包括：
对于所述至少一个招牌中每个招牌，基于该招牌的中心点位置和基于中心点的目标宽高进行回归得到预测框，若该招牌的四个角的位置在所述预测框的内部，则保留该招牌，否则过滤掉。
10.根据权利要求9所述的方法，其中，所述方法还包括：
对于所述至少一个招牌中每个招牌，基于该招牌的方向角、中心点深度、中心点位置、四个角的位置分别计算每个角的深度并输出。
11.一种训练目标检测模型的装置，包括：
获取单元，被配置成获取样本集，其中，样本集中的样本包括图片和标注信息，标注信息包括目标招牌的位置信息、深度值、方向角；
训练单元，被配置成执行以下训练步骤：从所述样本集中选取样本输入目标检测模型的关键点检测层，输出位置预测结果，其中，所述位置预测结果包括角点与中心点热力图、中心点偏移、基于中心点的目标宽高；基于所述位置预测结果生成候选区域；将所述候选区域输入目标检测模型的预测层，得到预测方向角、分类回归结果和预测深度；基于所选取的样本的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值；若所述总损失值小于目标值，则确定出所述目标检测模型训练完成。
12.根据权利要求11所述的装置，其中，所述训练单元进一步被配置成：
若总损失值大于等于目标值，则调整所述目标检测模型的相关参数，并基于调整后的目标检测模型继续执行上述训练步骤。
13.根据权利要求11所述的装置，其中，所述训练单元进一步被配置成：
若目标招牌的数量小于预定值，则获取所选取的样本的深度监督信号和分类回归监督信号；
基于所述深度监督信号、所述分类回归监督信号对所选取的样本的标注信息进行补充；
基于所选取的样本的补充后的标注信息与预测方向角、分类回归结果和预测深度计算总损失值。
14.根据权利要求13所述的装置，其中，所述训练单元进一步被配置成：
将所述候选区域和选取的样本输入预先训练的深度估计模型，输出所述候选区域的深度预测信息作为深度监督信号；
将选取的样本输入预先训练的目标检测器，输出检测框的位置信息作为分类回归监督信号。
15.根据权利要求14所述的装置，其中，所述训练单元进一步被配置成：
获取每个检测框的位置信息的置信度；
按置信度由大到小的顺序选取预定数目个置信度大于预定置信度阈值的检测框的位置信息作为分类回归监督信号。
16.根据权利要求15所述的装置，其中，所述训练单元进一步被配置成：
为所述分类回归结果设置与补充后的标注信息中的置信度成正比的损失权重；
基于所述损失权重、补充后的标注信息与所述预测方向角、所述分类回归结果和所述预测深度计算总损失值。
17.根据权利要求15所述的装置，其中，所述角点与中心点热力图的高斯峰值为每个检测框的位置信息的置信度。
18.一种检测目标的装置，包括：
获取单元，被配置成获取待检测区域的街景图；
检测单元，被配置成将所述街景图输入根据权利要求11‑17中任一项所述的装置训练出的目标检测模型，输出所述街景图中至少一个招牌的方向角、位置信息和深度信息。
19.根据权利要求18所述的装置，其中，所述位置信息包括中心点位置、基于中心点的目标宽高、四个角的位置；
所述装置还包括验证单元，被配置成：
对于所述至少一个招牌中每个招牌，基于该招牌的中心点位置和基于中心点的目标宽高进行回归得到预测框，若该招牌的四个角的位置在所述预测框的内部，则保留该招牌，否则过滤掉。
20.根据权利要求19所述的装置，其中，所述装置还包括计算单元，被配置成：
对于所述至少一个招牌中每个招牌，基于该招牌的方向角、中心点深度、中心点位置、四个角的位置分别计算每个角的深度并输出。
21.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1‑10中任一项所述的方法。