1.一种图像语义分割方法，其特征在于，包括：确定待语义分割的图像；

将所述图像输入至图像语义分割模型中，得到所述图像语义分割模型输出的图像语义分割结果；

其中，所述图像语义分割模型是基于样本图像以及对应的像素类别标注训练得到的，所述像素类别标注是预先确定的。

2.根据权利要求1所述的图像语义分割方法，其特征在于，所述图像语义分割模型包括主干特征提取模型、加强特征提取模型、分类模型和分割模型；

将所述图像输入至图像语义分割模型中，得到所述图像语义分割模型输出的图像语义分割结果，包括：

将所述图像输入所述主干特征提取模型，输出多个有效特征层的图像特征；

将所述多个有效特征层的图像特征输入所述加强特征提取模型，输出每一有效特征层的图像融合特征；

将所述每一有效特征层的图像融合特征输入所述分类模型，输出所述图像的像素分类结果；

将所述图像的像素分类结果输入所述分割模型，输出所述图像的语义分割结果。

3.根据权利要求2所述的图像语义分割方法，其特征在于，所述样本图像选取自图像数据集；

所述主干特征提取模型是基于选取自图像数据集的样本图像进行标注后作为训练样本图像训练卷积神经网络VGG16得到的；

所述加强特征提取模型包括权重块；

将所述多个有效特征层的图像特征输入所述加强特征提取模型，输出每一有效特征层的图像融合特征，包括：

分别对所述多个有效特征层的图像特征进行权重值加权，得到每一有效特征层的图像融合特征；其中，所述权重值可由所述权重块调整得到。

4.根据权利要求3所述的图像语义分割方法，其特征在于，所述分别对所述多个有效特征层的图像特征进行权重值加权，得到每一有效特征层的图像融合特征，其公式如下：其中，Un+1是第n+1层上采样的结果，Rn是将第n+1层分辨率调整为和第n层分辨率一致的调整函数，Pn是基于权重块和第n层通道数的通道数调整函数，δ是特征提取运算函数。

5.一种图像语义分割系统，其特征在于，包括图像确定模块和图像语义分割模块：所述图像确定模块，用于确定待语义分割的图像；

所述图像语义分割模块，用于将所述图像输入至图像语义分割模型中，得到所述图像语义分割模型输出的图像语义分割结果；

其中，所述图像语义分割模型是基于样本图像以及对应的像素类别标注训练得到的，所述像素类别标注是预先确定的。

6.根据权利要求5所述的图像语义分割系统，其特征在于，所述图像语义分割模块包括主干特征提取模块、加强特征提取模块、分类模块和分割模块；

所述主干特征提取模块，用于基于确定的所述图像得到多个有效特征层的图像特征；

所述加强特征提取模块，用于基于所述多个有效特征层的图像特征得到每一有效特征层的图像融合特征；

所述分类模块，用于基于所述每一有效特征层的图像融合特征得到图像像素分类结果；

所述分割模块，用于基于所述图像像素分类结果得到图像语义分割结果。

7.根据权利要求6所述的图像语义分割系统，其特征在于，所述样本图像选取自图像数据集；

所述主干特征提取模块包括主干特征提取模型，所述主干特征提取模型是基于选取自图像数据集的样本图像进行标注后作为训练样本图像训练卷积神经网络VGG16得到的；

所述加强特征提取模块包括权重块；

所述权重块，用于分别对所述多个有效特征层的图像特征进行权重值加权，以得到每一有效特征层的图像融合特征；其中，所述权重值可由所述权重块调整得到。

8.根据权利要求7所述的图像语义分割系统，其特征在于，所述权重块，用于分别对所述多个有效特征层的图像特征进行权重值加权，以得到每一有效特征层的图像融合特征，其公式如下：

其中，Un+1是第n+1层上采样的结果，Rn是将第n+1层分辨率调整为和第n层分辨率一致的调整函数，Pn是基于权重块和第n层通道数的通道数调整函数，δ是特征提取运算函数。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的图像语义分割方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述的图像语义分割方法的步骤。