1.一种基于双解码器的语义分割方法，其特征在于，包括如下步骤：获取编码器输出的特征信息；

利用多个空间注意力模块与一个通道注意力模块串联，构建AOA解码器；或者将多个空间注意力模块与一个通道注意力模块并联，构建AIA解码器；

若采用AOA解码器，则编码器不同阶段输出的特征信息分别对应输入AOA解码器的多个空间注意力模块，提取编码器不同阶段特征信息中的空间信息；将编码器不同阶段特征信息中的空间信息融合后输入AOA解码器的通道注意力模块，提取不同阶段的空间信息内的重要特征；

若采用AIA解码器，则编码器不同阶段输出的特征信息分别对应输入AIA解码器的多个空间注意力模块，提取编码器不同阶段特征信息中的空间信息，编码器不同阶段输出的特征信息融合后输入AIA解码器的通道注意力模块，得到多个权重；将权重与不同阶段特征信息的空间信息相乘，并对相乘结果进行融合，确定AIA解码器中不同空间特征信息内的重要特征；

空间注意力模块包括三个输入通道，其中两个通道用于获取特征的空间信息，设置一个额外的跳跃连接来增加特征的语义信息：Xsa＝soft max(reshape(conv1×1(Xin)))其中， 为输入特征图, 表示空间注意力模块的softmax输出,C/2×H×W

表示空间注意力模块的输出，R 表示实数域上C/2xHxW的特征空间，其余两个相同； 表示元素级乘法， 表示拼接；softmax表示归一化指数函数，reshape表示对张量的维度进行变换；

1 1

为了降低计算复杂度，计算空间注意力时，通过卷积核大小为1的卷积conv×将Xin的通道数减少为C/2，其中C是融合后输出特征图的通道数；

输出得到的重要特征，作为语义分割结果。

2.如权利要求1所述的基于双解码器的语义分割方法，其特征在于，编码器的编码方法如下：设置FaPN*模块对FaPN模块进行改进，利用内核大小为1的卷积模块代替特征选择模块：其中，Fl和Fv分别是来自横向连接和垂直通路的FaPN*的输入；δ(·)表示1x1卷积，up(·)表示上采样函数；fa(·)表示特征对齐模块，旨在解决特征错位问题； 表示经过1x1卷积之后的输出，Ffam表示经过特征对齐后的输出，Fout表示最终拼接 和Ffam之后的输出，concat表示拼接函数。

3.如权利要求1所述的基于双解码器的语义分割方法，其特征在于，通道注意力模块利用全局平均池化和softmax函数对输入特征的不同通道的重要性信息进行建模，为不同通道的特征图分配不同的重要性。

4.一种基于权利要求1‑3之一所述方法的语义分割系统，其特征在于，包括编码器，以及AOA解码器或AIA解码器，所述编码器的输出端与AOA解码器的输入端，或AIA解码器的输入端连接。