1.基于深度神经网络的遥感影像车辆目标识别模型，其特征在于，将Yolov4网络结构中PANet网络中的卷积块替换为倒置残差模块，具体为：将PANet网络中上采样单元自下而上依次连接的两层卷积块均替换为倒置残差模块，并分别定义为第一倒置残差模块和第二倒置残差模块；

将PANet网络中下采样单元自上而下依次连接的两层卷积块均替换为倒置残差模块，并分别定义为第三倒置残差模块和第四倒置残差模块；

在第二倒置残差模块和第三倒置残差模块之间新增一个倒置残差模块，并定义为第五倒置残差模块，所述第五倒置残差模块用于对输入的图像进行下采样。

2.根据权利要求1所述的遥感影像车辆目标识别模型，其特征在于，所述倒置残差模块，包括自上而下依次连接的3层子网络；其中，第一层子网络包括依次连接的1*1卷积层、批量标准化层和Relu6激活函数；第二层子网络包括依次连接的3*3卷积层、批量标准化层和Relu6激活函数；第三层子网络包括依次连接的1*1卷积层和批量标准化层；所述第一层子网络的输入与所述第三层子网络的输出相加后作为所述倒置残差模块的输出。

3.基于深度神经网络的遥感影像车辆目标识别方法，其特征在于，采用权利要求1或2所述的遥感影像车辆目标识别模型，所述方法包括：对原始的遥感影像进行GAMMA矫正；

将矫正后的遥感影像输入至所述遥感影像车辆目标识别模型，并采用预训练好的模型参数yolov4.conv.137作为初始权重值对遥感影像车辆目标识别模型进行训练；

使用训练好的遥感影像车辆目标识别模型对输入的遥感影像进行车辆目标识别。