1.一种图像处理方法，包括：

将待处理图像输入第一卷积网络，得到所述待处理图像的粗粒度图像特征图；

将所述粗粒度图像特征图输入第二卷积网络，得到所述待处理图像的细粒度图像特征图，其中，所述第二卷积网络包括多个级联的特征提取子网络，每个特征提取子网络用于依次提取相应粒度的图像特征；以及基于所述细粒度图像特征图，得到图像处理结果，其中，所述每个特征提取子网络包括K个处理模块，每个处理模块用于利用非对称卷积核对图像特征图执行空洞卷积，所述将所述粗粒度图像特征图输入第二卷积网络，得到所述待处理图像的细粒度图像特征图包括：将图像特征图并行输入所述K个处理模块，得到K个特征图；

将所述K个特征图进行求和，得到融合特征图，作为所述每个特征提取子网络的输出。

2.根据权利要求1所述的方法，其中，所述K个处理模块中，第k个处理模块的空洞卷积n n扩张率为m/2 ，其中，m为大于等于2的偶数，k＝1，2，...K，n＝K‑1，...2，1，0，当m/2小于1时，空洞卷积扩张率＝1。

3.根据权利要求2所述的方法，其中，多个级联的特征提取子网络中，m的取值依次增大。

4.根据权利要求1所述的方法，还包括：

对于所述图像特征图进行下采样。

5.根据权利要求1所述的方法，其中，所述基于所述细粒度图像特征图，得到图像处理结果包括：对所述细粒度图像特征图进行激励，得到激励特征图；

根据激励特征图，得到所述待处理图像的分割掩码；以及利用所述分割掩码，得到图像处理结果。

6.一种图像处理装置，包括：

第一输入模块，用于将待处理图像输入第一卷积网络，得到所述待处理图像的粗粒度图像特征图；

第二输入模块，用于将所述粗粒度图像特征图输入第二卷积网络，得到所述待处理图像的细粒度图像特征图，其中，所述第二卷积网络包括多个级联的特征提取子网络，每个特征提取子网络用于依次提取相应粒度的图像特征；以及获得模块，基于所述细粒度图像特征图，得到图像处理结果，其中，所述每个特征提取子网络包括K个处理模块，每个处理模块用于利用非对称卷积核对图像特征图执行空洞卷积；所述第二输入模块包括：并行输入单元，用于将图像特征图并行输入所述K个处理模块，得到K个特征图；

融合单元，用于将所述K个特征图进行求和，得到融合特征图，作为所述每个特征提取子网络的输出。

7.根据权利要求6所述的装置，其中，所述K个处理模块中，第k个处理模块的空洞卷积n n扩张率为m/2 ，其中，m为大于等于2的偶数，k＝1，2，...K，n＝K‑1，...2，1，0，当m/2小于1时，空洞卷积扩张率＝1。

8.根据权利要求7所述的装置，其中，多个级联的特征提取子网络中，m的取值依次增大。

9.根据权利要求6所述的装置，还包括：

下采样模块，用于对于所述图像特征图进行下采样。

10.根据权利要求6所述的装置，其中，所述获得模块包括：激励单元，用于对所述细粒度图像特征图进行激励，得到激励特征图；

第一获得单元，用于根据激励特征图，得到所述待处理图像的分割掩码；以及第二获得单元，用于利用所述分割掩码，得到图像处理结果。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1～5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1～5中任一项所述的方法。