本发明提供一种图像处理方法、装置、设备及存储介质，该方法，包括：获取初始图像；对所述初始图像进行卷积处理，得到不同尺寸的特征图像；若所述初始图像中至少存在一个小于预设的第一阈值的目标物，则采用不同尺寸的特征图像进行融合处理，得到对应的融合图像；通过目标神经网络对所述融合图像中的目标物进行定位和分类，得到目标物的类别和坐标信息。从而可以根据目标物的大小，分别选取不同尺寸的特征图像进行融合，增强了低层图像的语义信息，通过不同尺寸的融合图像，实现在最佳感受野下对目标物的定位和分类，极大地提高了对目标物的定位和分类精度。