1.一種語義分割的森林火災檢測方法，其特征在于，包括：

采集森林火災遙感圖像，建立森林火災遙感圖像數據集；

構建對抗樣本生成模型；

把所述森林火災遙感圖像輸入到所述對抗樣本生成模型，得到具有噪聲干擾的森林火災遙感圖像，把所述具有噪聲干擾的森林火災遙感圖像增加到所述森林火災遙感圖像數據集中；

把所述森林火災遙感圖像數據集的所述森林火災遙感圖像輸入到語義分割網絡進行訓練，得到最優語義分割網絡；

把所述森林火災遙感圖像輸入到所述最優語義分割網絡，得到森林火災足跡信息；

其中，所述構建對抗樣本生成模型如公式(1)所示：

S＝{δ:||δ||_∞≤ε}?????????????????????????????????????????(2)

其中，x_i表示輸入的所述森林火災遙感圖像，y_i表示標簽集，i∈(1,2.....N),表示N個樣本；δ表示疊加在所述森林火災遙感圖像的擾動，f_θ表示自帶參數θ的神經網絡模型；L是損失函數，S是擾動集，如公式(2)所示；ε表示干擾所述森林火災遙感圖像像素的變化量的絕對值的最大值，max表示尋找使所述損失函數最大的干擾，min表示對所述神經網絡模型進行優化的最小化；

所述語義分割網絡包括編碼步驟和解碼步驟，所述編碼步驟包括對所述森林火災遙感圖像進行粗卷積，所述粗卷積為對所述森林火災遙感圖像輸出特征圖y上的每個位置i和卷積核w，在輸入特征圖x上進行如公式(3)的轉換，

其中r表示在采樣點之間引入r-1個零，k表示所述卷積核w的感受野大小為k×k；

其中，所述語義分割網絡中圖像分割損失函數的表達式如公式(4)所示：

l_t的表達式如公式(5)所示：

其中，M_t是真實圖像像素值，是預測的圖像與M相同位置的像素值，L_sm表示所有像素的總的損失值，t是圖像的像素的個數，這里和是在位置(i,j)屬于c類的真實值和預測的概率，即屬于森林火災區域足跡的像素類。