1.一种基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述基于特征图扰动以及边界监督的牙齿全景片语义分割方法，包括：获取牙齿全景片，将牙齿全景片通过锐化操作，获得牙齿边界更清晰的牙齿全景片I；

将牙齿全景片I输入至训练完成的扰动特征图提取网络进行特征提取，得到深层扰动特征图Fdeep；

将深层扰动特征图Fdeep分别输入至训练完成的掩码网络及边界网络，得到牙齿区域分割结果和牙齿轮廓分割结果；

其中，所述将牙齿全景片I输入至训练完成的扰动特征图提取网络进行特征提取，得到深层扰动特征图Fdeep，包括：步骤2.1、将牙齿全景片I输入至卷积核大小为3*3的简单特征提取模块，得到输出特征图F1，其维度为C1×H1×W1；

步骤2.2、将特征图F1池化后输入至卷积核大小为3*3的扰动特征提取模块，得到特征图F2，其维度为C2×H2×W2；

步骤2.3、将特征图F2池化后输入至卷积核大小为3*3的扰动特征提取模块，得到特征图F3，其维度为C3×H3×W3；

步骤2.4、将特征图F3池化后输入至卷积核大小为3*3的扰动特征提取模块，得到特征图F4，其维度为C4×H4×W4；

步骤2.5、将特征图F4池化后输入至卷积核大小为3*3的扰动特征提取模块，得到深层扰动特征图Fdeep，其维度为C5×H5×W5；

其中，所述将深层扰动特征图Fdeep分别输入至训练完成的掩码网络及边界网络，得到牙齿区域分割结果和牙齿轮廓分割结果，包括，步骤3.1、在掩码网络中，将深度扰动特征图Fdeep进行上采样后和F4一起输入通道融合模块，得到按通道组合后的特征图，通道数为C5+C4，输入简单特征提取模块后得到特征图UP4，其维度为C4×H4×W4；

步骤3.2、将特征图UP4进行上采样后和F3一起输入通道融合模块，得到按通道组合后的特征图，通道数为C4+C3，输入简单特征提取模块后得到特征图UP3，其维度为C3×H3×W3；

步骤3.3、将特征图UP3进行上采样后和F2一起输入通道融合模块，得到按通道组合后的特征图，通道数为C3+C2，输入简单特征提取模块后得到特征图UP2，其维度为C2×H2×W2；

步骤3.4、将特征图UP2进行上采样后和F1一起输入通道融合模块，得到按通道组合后的特征图，通道数为C2+C1，输入简单特征提取模块后得到特征图UP1，其维度为C1×H1×W1；

步骤3.5、将特征图UP1输入1*1卷积块得到特征图UP0，维度为32×H1×W1，其中32代表32颗不同的牙齿，将UP0的每一通道均用如下公式进行激活，得到UP0上每个像素点属于牙齿区域的概率，将其乘以255得到最终32颗牙齿的分割结果；

步骤3.6、在边界网络中同样采取步骤3.1‑步骤3.5的操作，最终输出牙齿轮廓分割结果。

2.如权利要求1所述的基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述获取牙齿全景片，将牙齿全景片通过锐化操作，获得牙齿边界更清晰的牙齿全景片I，包括：输入原始牙齿全景片Ioriginal，对于每张牙齿全景片均采用滤波器进行锐化滤波操作，滤波器内核为3*3得到锐化后的牙齿全景片I。

3.如权利要求1所述的基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述简单特征提取模块，包括两组串接的卷积核大小为3*3的卷积层、批量归一化层和激活层。

4.如权利要求1所述的基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述扰动特征提取模块，包括两组串接的卷积核大小为3*3的卷积层、特征图扰动操作、批量归一化层和激活层。

5.根据权利要求1所述的基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述通道融合模块，用于将上采样后的下层特征图和本层特征图按通道进行组合，输出大小不变、通道数变为下层特征图和本层特征图的总和的特征图。

6.根据权利要求4所述的基于特征图扰动以及边界监督的牙齿全景片语义分割方法，其特征在于，所述特征图扰动操作，利用如下公式实现对特征图的扰动；

其中xi为输入特征图，f(xi)和 分别代表扰动前和扰动后的特征图，mi由0和1组成，遵循伯努利分布，εi用以控制扰动幅度，在训练中自动优化参数值，·表示矩阵各个点对应相乘。