1.一种用于遥感图像语义分割的特征提取方法，其特征在于，应用于特征提取模型，所述特征提取模型包括卷积模块和多尺度卷积网络，所述用于遥感图像语义分割的特征提取方法，包括：

将遥感图像输入所述卷积模块，以得到初始特征图；

将所述初始特征图输入所述多尺度卷积网络，得到目标特征图，其中，所述多尺度卷积网络包括若干多尺度卷积模块，每个多尺度卷积模块均包括级联的若干深度可分离卷积单元，所述深度可分离卷积单元包括多个卷积层，所述目标特征图用于进行语义分割。

2.根据权利要求1所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述多尺度卷积网络包括第一多尺度卷积模块、第二多尺度卷积模块、第三多尺度卷积模块和第四多尺度卷积模块；所述将所述初始特征图输入所述多尺度卷积网络，得到目标特征图，具体包括：

将所述初始特征图输入所述第一多尺度卷积模块，得到第一特征图；

将所述第二特征图输入所述第二多尺度卷积模块，得到第二特征图；

将所述第三特征图输入所述第三多尺度卷积模块，得到第三特征图；

将所述第四特征图输入所述第四多尺度卷积模块，得到目标特征图。

3.根据权利要求2所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一多尺度模块包括级联的3个深度可分离卷积单元，所述第二多尺度模块包括级联的4个深度可分离卷积单元；所述第三多尺度模块包括级联的6个深度可分离卷积单元；所述第四多尺度模块包括级联的3个深度可分离卷积单元。

4.根据权利要求3所述的用于遥感图像语义分割的特征提取方法，其特征在于，对于属于不同多尺度卷积模块的任意两个深度可分离卷积单元，所述任意两个深度可分离卷积单元包括卷积核数量不同、卷积核尺寸相同、连接顺序相同的多个卷积层。

5.根据权利要求2所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一多尺度模块包括级联的第一深度可分离卷积单元、第二深度可分离卷积单元和第三多尺度单元，所述第一深度可分离卷积单元、第二深度可分离卷积单元和第三多尺度单元的结构相同；所述将所述初始特征图输入所述第一多尺度卷积模块，得到第一特征图，具体包括：

将所述初始特征图输入所述第一深度可分离卷积单元，得到第一候选特征图；

将所述第一候选特征图输入所述第二深度可分离卷积单元，得到第二候选特征图；

将所述第二候选特征图输入所述第三深度可分离卷积单元，得到第一特征图。

6.根据权利要求5所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一深度可分离卷积单元包括第一卷积子单元、第二卷积子单元、第三卷积子单元、第四卷积子单元和第一调整卷积层；所述将所述初始特征图输入所述第一深度可分离卷积单元，得到第一候选特征图，具体包括：

将所述初始特征图分别输入所述第一卷积子单元、第二卷积子单元、第三卷积子单元和第四卷积子单元，得到第一子特征图、第二子特征图、第三子特征图和第四子特征图；

将所述第一子特征图、所述第二子特征图、所述第三子特征图和所述第四子特征图拼接输入所述第一调整卷积层，得到第一调整特征图；

将所述第一调整特征图和所述初始特征图相加，得到第一候选特征图。

7.根据权利要求6所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述第一卷积子单元包括级联的：1×1卷积层、3×3深度可分离卷积层和1×1卷积层；所述第二卷积子单元包括级联的：1×1卷积层、5×5深度可分离卷积层和1×1卷积层；所述第三卷积子单元包括级联的：3×3最大池化层和1×1卷积层；所述第四卷积子单元包括：1×1卷积层。

8.根据权利要求2至7中任意一项所述的用于遥感图像语义分割的特征提取方法，其特征在于，所述将所述初始特征图输入所述多尺度卷积网络，得到目标特征图之后，还包括：将所述第三特征图输入混合定位模型，将所述目标特征图输入空洞空间金字塔模型，通过所述混合定位模型得到位置特征图，通过所述空洞空间金字塔模型得到语义特征图；

基于所述位置特征图和所述语义特征图确定分割图像。

9.一种用于遥感图像语义分割的分割系统，其特征在于，包括：图像获取模块，用于获取待处理遥感图像；

类别获取模块，用于接收若干分割类别；

图像分割模块，用于按照所述若干分割类别对所述待处理遥感图像进行图像语义分割，得到若干目标分割图像；其中，所述图像分割模块配置了权利要求1至8中任意一项所述特征提取模型；

输出模块，用于输出所述若干目标分割图像。

10.根据权利要求9所述的用于遥感图像语义分割的分割系统，其特征在于，所述分割系统还包括：

数据处理模块，用于统计所述若干目标分割图像中，每张目标分割图像占所述待处理遥感图像的类别，并输出统计结果。