1.一种图像分割方法，其特征在于，包括：

将待分割图像输入图像分割模型中，得到所述图像分割模型输出分割后的目标图像；

其中，所述图像分割模型由样本图像集训练得到的；所述图像分割模型用于基于注意力机制和残差网络确定所述待分割图像对应的目标特征图，基于所述目标特征图和金字塔场景解析网络，确定所述分割后的目标图像；

所述图像分割模型包括：特征提取层和图像分割层；

对应的，所述将待分割图像输入图像分割模型中，得到所述图像分割模型输出分割后的目标图像，具体包括：将所述待分割图像输入所述特征提取层中，基于所述注意力机制和所述残差网络确定所述待分割图像对应的目标特征图；

将所述目标特征图输入所述图像分割层中，基于所述金字塔场景解析网络确定特征金字塔集合全局特征，基于所述特征金字塔集合全局特征，确定所述分割后的目标图像；

所述特征提取层包括：第一注意层、深度残差层和第二注意层；

对应的，所述将所述待分割图像输入所述特征提取层中，基于所述注意力机制和所述残差网络确定所述待分割图像对应的目标特征图，具体包括：将所述待分割图像输入第一注意层中，基于所述注意力机制确定第一特征图；

将所述第一特征图输入所述深度残差层中，基于残差网络确定第二特征图；

将所述第二特征图输入所述第二注意层中，基于所述注意力机制确定目标特征图；

所述第一注意层包括：第一通道注意力层、第一空间注意力层和第一融合层；

对应的，所述将所述待分割图像输入第一注意层中，基于所述注意力机制确定第一特征图，具体包括：将所述待分割图像输入所述第一通道注意力层中，确定第一通道注意力图；

将所述第一通道注意力图输入所述第一空间注意力层中，确定第一空间注意力图；

将所述第一通道注意力图和所述第一空间注意力图输入所述第一融合层中，确定第一特征图。

2.根据权利要求1所述的图像分割方法，其特征在于，所述第一注意力层和所述第二注意力层包括：卷积注意力机制模块。

3.根据权利要求1所述的图像分割方法，其特征在于，所述第二注意力层包括：第二通道注意力层和第二空间注意力层和第二融合层；

对应的，所述将所述第二特征图输入所述第二注意层中，基于所述注意力机制确定目标特征图，具体包括：将所述第二特征图输入所述第二通道注意力层中，确定第二通道注意力图；

将所述第二通道注意力图输入所述第二空间注意力中，确定第二空间注意力图；

将所述第二通道注意力图和所述第二空间注意力图输入所述第二融合层中，确定目标特征图。

4.根据权利要求1所述的图像分割方法，其特征在于，在所述将待分割图像输入图像分割模型中，得到所述图像分割模型输出分割后的目标图像的步骤之前，还包括：训练所述图像分割模型；

所述训练所述图像分割模型，具体包括：

利用所述样本图像集训练所述图像分割模型；

基于预设损失函数，对所述图像分割模型的网络参数使用反向传播算法获取梯度；其中，所述预设损失函数由交叉熵损失函数和骰子损失函数组成；

基于所述梯度更新所述图像分割模型的网络参数，并基于更新后的所述网络参数对所述图像分割模型进行迭代训练直至所述图像分割模型收敛。

5.一种图像分割系统，用于执行权利要求1至4任一项所述的图像分割方法，其特征在于，包括：图像分割单元，用于将待分割图像输入图像分割模型中，得到所述图像分割模型输出分割后的目标图像；

其中，所述图像分割模型由样本图像集训练得到的；所述图像分割模型用于基于注意力机制和残差网络确定所述待分割图像对应的目标特征图，基于所述目标特征图和金字塔场景解析网络，确定所述分割后的目标图像。

6.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的图像分割方法。

7.一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任一所述的图像分割方法。