1.一种基于改进型ERFNet网络的遥感图像分割方法，其特征在于，包括：获取遥感图像；

将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，其中：所述改进型ERFNet语义分割网络模型包括添加注意力金字塔池化模块的编码器模块和使用光流指导对齐模块替换反卷积的解码器模块；

所述将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，包括：遥感图像输入到训练后的改进型ERFNet语义分割网络模型后首先进入编码器模块；

编码器模块中通过下采样、标准卷积以及膨胀卷积对遥感图像进行浅层特征和深层特征的提取，得到提取后的浅层特征图和深层特征图；

采用注意力金字塔池化模块，对提取后的深层特征图进一步地提取特征以及上下文信息，得到进一步处理后的深层特征图；

解码器模块中将进一步处理后的深层特征图和浅层特征图输入到光流指导对齐模块进行上采样，再使用1×1卷积处理通道，并进行双线性插值上采样，得到遥感图像分割结果。

2.根据权利要求1所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述改进型ERFNet语义分割网络模型的训练方法，包括：获取遥感高分辨率图像数据集并进行数据预处理，划分为训练集、验证集及测试集；

利用训练集、验证集对预先构建的改进型ERFNet语义分割网络模型进行训练和验证；

将测试集输入到训练后的改进型ERFNet语义分割网络模型，得到遥感高分辨率图像分割结果。

3.根据权利要求2所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述获取遥感高分辨率图像数据集并进行数据预处理，划分为训练集、验证集及测试集，包括：从开源数据集网站下载或自制遥感高分辨率图像数据集；

对遥感高分辨率图像数据集中的图片以及标签进行尺寸缩放和数据增强；

将缩放和数据增强后图片及标签放入不同文件夹，并按照比例划分训练集、验证集及测试集。

4.根据权利要求2所述的基于改进型ERFNet网络的遥感图像分割方法，其特征在于，所述利用训练集、验证集对预先构建的改进型ERFNet语义分割网络模型进行训练和验证，包括：S21：设定训练改进型ERFNet语义分割网络模型的初始参数；

S22：在训练过程中使用神经元随机失活策略进行正则化，采用交叉熵损失函数计算损失；

S23：根据S22得到的损失计算梯度，采用Adam优化器更新神经网络权重以及偏置，采用poly策略进行学习率衰减；

S24：使用平均交并比mIoU对模型进行评估；

S25：重复步骤S22‑S24训练过程，每训练完一轮使用验证集对网络模型进行评估，直至训练轮数全部完成，保存最优训练模型。

5.一种基于改进型ERFNet网络的遥感图像分割装置，其特征在于，包括：获取模块，用于获取遥感图像；

分割模块，用于将遥感图像输入到训练后的改进型ERFNet语义分割网络模型中，得到遥感图像分割结果，其中：所述改进型ERFNet语义分割网络模型包括添加注意力金字塔池化模块的编码器模块和使用光流指导对齐模块替换反卷积的解码器模块；

所述分割模块，包括：

输入单元，用于：遥感图像输入到训练后的改进型ERFNet语义分割网络模型后首先进入编码器模块；

第一提取单元，用于：编码器模块中通过下采样、标准卷积以及膨胀卷积对遥感图像进行浅层特征和深层特征的提取，得到提取后的浅层特征图和深层特征图；

第二提取单元，用于：采用注意力金字塔池化模块，对提取后的深层特征图进一步地提取特征以及上下文信息，得到进一步处理后的深层特征图；

分割单元，用于：解码器模块中将进一步处理后的深层特征图和浅层特征图输入到光流指导对齐模块进行上采样，再使用1×1卷积处理通道，并进行双线性插值上采样，得到遥感图像分割结果。

6.根据权利要求5所述的基于改进型ERFNet网络的遥感图像分割装置，其特征在于，所述分割模块中设有训练模块，用于训练改进型ERFNet语义分割网络模型，所述训练模块包括：下载单元，用于从开源数据集网站下载或自制遥感高分辨率图像数据集；

缩放单元，用于对遥感高分辨率图像数据集中的图片以及标签进行尺寸缩放和数据增强；

划分单元，用于将缩放和数据增强后图片及标签放入不同文件夹，并按照比例划分训练集、验证集及测试集。

7.一种电子设备，其特征在于：包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～4任一项所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～4任一项所述方法的步骤。