1.基于双层全局卷积的遥感图像语义分割系统，其特征是：包括特征提取网络、用于处理不同层特征的两个并行分支、特征融合网络；特征提取网络输出的高层特征和低层特征分别经过两个并行分支增强后，增强后的高层特征和低层特征经特征融合网络进行特征融合后输出最终特征图；

两个并行分支是指用于处理高层特征的上层分支和用于处理低层特征的下层分支；所述上层分支包括补丁注意力模块Ⅰ、全局卷积模块Ⅰ；在上层分支中，高层特征通过补丁注意力模块Ⅰ进行特征增强，补丁注意力模块Ⅰ后连接全局卷积模块Ⅰ；

所述下层分支包括补丁注意力模块Ⅱ、全局卷积模块Ⅱ、注意力嵌入模块、全局卷积模块Ⅲ；在下层分支中，低层特征首先通过补丁注意力模块Ⅱ进行特征增强，然后通过注意力嵌入模块从高层嵌入语义信息；补丁注意力模块Ⅱ后连接全局卷积模块Ⅱ；注意力嵌入模块后连接全局卷积模块Ⅲ；

补丁注意力模块Ⅰ、补丁注意力模块Ⅱ和注意力嵌入模块后分别连接的全局卷积模块+Ⅰ、全局卷积模块Ⅱ、全局卷积模块Ⅲ都采用GCM模块；

+

GCM模块设有三个卷积分支；输入特征图经过三个卷积分支，每个卷积分支都有两层卷积；第一个卷积分支的首层卷积是采用k×1大小的卷积核进行卷积的，第一个卷积分支的次层卷积是采用1×k大小的卷积核进行卷积的；第二个卷积分支的首层卷积和次层卷积都是采用1×1大小的卷积核进行卷积的；第三个卷积分支的首层卷积是采用1×k大小的卷积核进行卷积的；第三个卷积分支的次层卷积是采用k×1大小的卷积核进行卷积的。

2.根据权利要求1所述的基于双层全局卷积的遥感图像语义分割系统，其特征是：所述特征提取网络采用ResNet50并引入漏斗激活函数FReLU。

3.根据权利要求1所述的基于双层全局卷积的遥感图像语义分割系统，其特征是：将经过第一个卷积分支和第二个卷积分支的特征图进行加和操作，相加后的结果再与经过第三+个卷积分支得到的特征图进行加和操作，加和操作后的输出为GCM模块特征图。

4.一种基于双层全局卷积的遥感图像语义分割方法，其特征是，步骤如下：

S1：选择进行语义分割的高分辨率遥感图像数据集，对选定的高分辨率遥感图像数据集进行预处理操作，制作训练集、验证集、测试集；

S2：构建权利要求1‑3任意一项所述的基于双层全局卷积的遥感图像语义分割系统；

S3：使用训练集训练基于双层全局卷积的遥感图像语义分割系统，并使用验证集进行验证，使用测试集进行测试；

S4：利用训练好的基于双层全局卷积的遥感图像语义分割系统进行遥感图像语义分割。