本发明公开了一种基于特征空间结构解耦的小样本目标检测方法、系统及终端，属于计算机视觉领域，基类上预训练：让基类模型在包含有大量标注样本的基类上进行预训练；微调准备：复制预训练后的模型，并在基类上挑选和新类等数量的数据集训练复制得到的模型；将复制的模型训练后得到的参数添加到预训练后的基类模型上；其中，所述微调准备具体包括：在区域建议网络上进行新类前景信息补充；对模型预测层之前输出的特征向量进行高层的特征向量的类别相关化处理。新类上微调：以微调准备后得到的基类模型为教师模型，新类模型为学生模型，分别在新类模型的主干网络和区域建议网络处添加知识蒸馏技术，待新类模型收敛后微调结束。本发明能够适应动态变化的场景，让模型对新场景中的新目标只需要极少量的训练样本就能够快速泛化，减少模型对训练的数据量和应用场景的依赖。