1.一种增强边界感知的语义分割方法，其特征在于，包括编码路径和解码路径；
2.根据权利要求1所述的一种增强边界感知的语义分割方法，其特征在于，编码路径由一个初始特征提取模块和四个相同的编码模块组成；
3.根据权利要求2所述的一种增强边界感知的语义分割方法，其特征在于，步骤s1中，初始特征提取模块提取整个图像中的特征，得到卷积特征图，计算过程如公式(1)所示：
4.根据权利要求3所述的一种增强边界感知的语义分割方法，其特征在于，步骤s2的具体操作如下：
5.根据权利要求4所述的一种增强边界感知的语义分割方法，其特征在于，步骤s3的具体操作如下：
6.根据权利要求5所述的一种增强边界感知的语义分割方法，其特征在于，解码路径由四个具有相同结构的解码模块组成，每个解码模块均包括由卷积组成的特征变换模块convtm、注意力嵌入模块aem和多尺度图推理模块msgrm；
7.根据权利要求6所述的一种增强边界感知的语义分割方法，其特征在于，步骤s4中，拓扑图为：ε＝{ε1…εm}表示节点之间的边之间的集合，表示图节点的集合，邻接矩阵a是构建的拓扑图的临界点，如公式(7)所示：
8.根据权利要求7所述的一种增强边界感知的语义分割方法，其特征在于，步骤s5的具体操作为：
9.根据权利要求8所述的一种增强边界感知的语义分割方法，其特征在于，步骤s6的具体操作为：
10.根据权利要求9所述的一种增强边界感知的语义分割方法，其特征在于，在步骤s7中，引入先验知识增加低级语义的表示，在解码路径上，解码模块的信息流不仅存在逐层连接，而且设置有跨层连接，信息流的跨层传输采用残差连接的方式进行，通过多尺度图推理模块msgrm最终生成的图推理模块总特征图fmsgrm表示为：