1.一种基于空间注意力引导可变卷积的跨域高光谱图像分类方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法，其特征在于：在第一个block-a的末端加入最大池化层maxpool。
3.根据权利要求2所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法，其特征在于：在block-b的末端加入dropout以减小过拟合。
4.根据权利要求3所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法，其特征在于：sad-convnet输入的数据块patch大小为21*21，循环次数epoch设置为20次，运行sad-convnet的主要硬件参数是：cpu：xeon silver 4210r，gpu：gtx-3090，和ram内存：49g。
5.根据权利要求4所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法，其特征在于：sad-convnet使用pytorch深度学习框架设计网络，初始学习率设置为0.005，使用的优化器为随机梯度下降(sgd)。