1.一种含多级通道注意力的条件生成对抗遥感图像目标分割方法，包括如下步骤：S100：对作为分割的主干网络进行改进，其中，所述主干网络包括生成网络和判别网络，所述改进具体为；

S101：生成网络由含有多级通道注意力的分割网络构成；

S102：判别网络由跨步卷积和泄露型修正线性单元构成；

S200：采用改进后的含多级通道注意力的条件生成对抗的图像分割网络进行遥感图像的分割；

S300：输出遥感图像的分割结果。

2.根据权利要求1所述的方法，其中，优选的，所述步骤S101中的生成网络主要包括两个组件：编码器与解码器。

3.根据权利要求2所述的方法，其中，所述编码器包括5组卷积块、通道注意力层和Maxpooling层；所述解码器包括卷积层、反卷积层和通道注意力层。

4.根据权利要求3所述的方法，其中，所述5组卷积块，每组由2个卷积核尺寸为3的卷积层、批归一化层、ReLU激活函数组成；所述Maxpooling层设置为大小为2，步长为2；所述反卷积层设置为步长为2，卷积核尺寸为2。

5.根据权利要求3所述的方法，其中，所述的通道注意力层进一步包括：首先将经过卷积操作得到的特征图U按空间维度进行全局平均池化，每个二维的特征通道都变成一个实数，这个实数具有全局的感受野，并且输出的维度和输入的特征通道数相匹配，都为c；

其次，引入了两个全连接层，第一个全连接层中r为一个缩放参数，后经过ReLU函数激活，第二个全连接层升回之前的维度，再通过Sigmoid层获得归一化的通道权重；

最后，将提取到的通道权重，加权到特征图U的每个通道上，得到具有通道注意力的特征图Ua。

6.根据权利要求1所述的方法，其中，所述步骤S102中的判别网络具体为：前三层卷积步长为2，卷积核大小为4，每经过一次卷积，特征向量的空间维度减少一半，通道数加倍；后两层卷积步长为1，卷积核大小为4，第5个卷积层将通道数压缩至1，再经过sigmoid层输出将生成网络生成的分割图像预测为真实的像素级标签图像的概率。

7.根据权利要求1所述的方法，其中，所述步骤S101中的生成网络的输入为原始图像和像素级标签图像。

8.根据权利要求1所述的方法，其中，所述步骤S102中的判别网络的输入为原始图像与所述生成网络生成的分割图像在通道维度上拼接后的拼接图像或原始图像与像素级标签图像在通道维度上拼接后的拼接图像。

9.根据权利要求3所述的方法，其中，所述解码器使用包含通道注意力的特征图进行跳跃链接，与反卷积得到的信息相融合，进而获得分割图像。