1.一种领域适应方法，其特征在于，包括：

从目标域获取待识别图像；

将所述待识别图像输入到第一分割网络，得到第一类别比例，所述第一分割网络为使用源域的图像进行训练得到的；

将所述待识别图像输入到第二分割网络，得到第二类别比例以及熵图，所述熵图是由所述待识别图像中各个像素点的信息熵构成的矩阵；

根据所述第一类别比例、所述第二类别比例以及所述熵图，对所述第二分割网络进行领域适应；所述第二分割网络包括编码网络、解码网络、第一卷积层、第二卷积层，包括：通过所述编码网络对所述待识别图像进行下采样处理，得到第一特征图；通过所述解码网络对所述第一特征图进行上采样处理，得到第二特征图；通过所述第二卷积层对所述第二特征图进行语义分割，得到每个像素点的第二语义分割结果；对所述第一特征图进行双线性插值，得到第三特征图，其中，所述第三特征图的维度与所述第二特征图的维度相同；通过所述第一卷积层对所述第三特征图进行语义分割，得到每个像素点的第三语义分割结果；

确定所述第一类别比例和所述第二类别比例之间的第一KL散度；确定每个像素点的第二语义分割结果和每个像素点的第三语义分割结果之间的第二KL散度，并获取所述待识别图像中各个像素点的第二KL散度的平均值，得到第三KL散度；

根据所述第一KL散度、所述第三KL散度、各个像素点的信息熵之和、以及预设参数，确定目标损失；

根据所述目标损失调整所述第二分割网络的网络参数，以对所述第二分割网络进行领域适应，在对所述第二分割网络完成领域适应之后，删除所述解码网络和所述第二卷积层，得到第三分割网络。

2.根据权利要求1所述的方法，其特征在于，所述将所述待识别图像输入到第一分割网络，得到第一类别比例，包括：将所述待识别图像输入到所述第一分割网络，对所述待识别图像中每个像素点进行语义分割，得到所述每个像素点的第一语义分割结果，其中，所述每个像素点的第一语义分割结果表示所述每个像素点属于k个类别的概率，k的取值为从1到N的整数，N为大于1的整数；

对所述每个像素点的第一语义分割结果求平均，得到所述待识别图像的第一语义分割结果；

根据所述待识别图像的第一语义分割结果，得到所述第一类别比例。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述待识别图像输入到第二分割网络，得到第二类别比例以及熵图，包括：将所述待识别图像输入到第二分割网络，对所述待识别图像中每个像素点进行语义分割，得到所述每个像素点的第二语义分割结果，所述每个像素点的第二语义分割结果用于表示所述每个像素点属于k个类别的概率，k的取值为1到N的整数，N为大于1的整数；

对所述每个像素点的第二语义分割结果求平均，得到所述待识别图像的第二语义分割结果；

根据所述每个像素点的第二语义分割结果以及信息熵计算公式，确定所述每个像素点的信息熵，并将所述每个像素点的信息熵组成所述熵图。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一类别比例、所述第二类别比例以及所述熵图，对所述第二分割网络进行领域适应，包括：确定所述第一类别比例和所述第二类别比例之间的第一KL散度；

确定所述熵图中各个像素点的信息熵之和；

根据所述第一KL散度、各个像素点的信息熵之和、以及预设参数，确定目标损失；

根据所述目标损失调整所述第二分割网络的网络参数，以对所述第二分割网络进行领域适应。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

使用所述第三分割网络对图像进行语义分割。

6.一种领域适应装置，其特征在于，所述装置用于执行1‑5任一项所述的方法，包括：获取单元，用于从目标域获取待识别图像；

处理单元，用于将所述待识别图像输入到第一分割网络，得到第一类别比例，所述第一分割网络为使用源域的图像进行训练得到的；

将所述待识别图像输入到第二分割网络，得到第二类别比例以及熵图，所述熵图是由所述待识别图像中各个像素点的信息熵构成的矩阵；

根据所述第一类别比例、所述第二类别比例以及所述熵图，对所述第二分割网络进行领域适应。

7.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如权利要求1‑5中任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1‑5任一项所述的方法。