1.基于上下文信息融合的遥感影像云与云阴影检测方法，其特征在于，所述检测方法包括：对遥感影像数据集进行预处理，制作遥感影像所对应的标签，使标签形成与遥感影像对应的掩模图像，将数据集按比例分为训练集、验证集与测试集，将训练集与验证集输入有监督网络进行训练验证；

当Epoch为110‑120次时，损失函数达到较低值并保持小幅浮动，验证集的各项指标均取得最高值，保存目标网络模型并停止训练，得到云与云阴影检测模型；

将测试集中的遥感影像输入保存的目标网络模型中进行云与云阴影检测；

所述目标网络模型引入残差模块来捕获全局及局部特征，并防止网络出现退化；设计全局上下文融合模块，通过密集的跳跃连接来融合不同层级的全局上下文信息并引导其与解码器路径特征进行特征融合；设计多尺度上下文融合模块，提取云与云阴影之间的多尺度上下文关系；

所述残差模块，包括左分支和右分支，其中，左分支负责从输入的遥感影像中提取更多的特征，称之为特征提取分支，右分支是一个跳跃连接分支，该分支负责保存上下文信息，称之为上下文分支；

所述全局上下文融合模块，通过将特征图与所有更高阶段的特征图进行特征融合来建立一种新的跳跃连接；通过在编码器及解码器之间插入多个全局上下文融合模块，将来自高层的全局上下文信息引导到不同的层级，在不引入无关杂波及语义鸿沟的前提下，增强网络模型对全局上下文信息的引导与融合能力；

所述多尺度上下文融合模块，用于有效提取及融合多尺度上下文信息；所述多尺度上下文融合模块中设计四个级联分支，其中包括一个池化分支及三个卷积分支，在每个卷积分支之间引入多个跳跃连接，用于共享不同尺度的特征信息。

2.根据权利要求1所述的基于上下文信息融合的遥感影像云与云阴影检测方法，其特征在于：所述目标网络模型在训练时的实验参数包括：学习率设置为α＝0.0003，衰减率设置为β1＝0.9和β2＝0.999，批量大小取经验值设置为8。

3.根据权利要求1所述的基于上下文信息融合的遥感影像云与云阴影检测方法，其特征在于：所述检测方法还包括定量评价云与云阴影的检测性能，使用精确率PPrecision、准确率AAccuracy、召回率RRecall、F1值、均交并比MMIoU五种语义分割定量评价指标。

4.根据权利要求3所述的基于上下文信息融合的遥感影像云与云阴影检测方法，其特征在于：所述精确率包括：所述准确率包括：

所述召回率包括：

所述F1值包括：

所述均交并比包括：

其中，S表示正确检测为云像元的范围；W表示正确检测为非云像元的范围；R表示将云像元误检为非云像元的范围；E表示将非云像元误检为云像元的范围；在计算云像元的各个评价指标时，将云阴影像元划为下垫面像元；在计算云阴影像元的各个评价指标时，将云像元划为下垫面像元。