1.一种模型获取方法，包括：针对预定类型任务，将其对应的网络模型中的主干网络和非主干网络作为整体，采用自监督算法进行训练；

将训练得到的网络模型作为所述预定类型任务对应的预训练模型。

2.根据权利要求1所述的方法，其中，所述采用自监督算法进行训练包括：采用基于对比学习的自监督算法进行训练。

3.根据权利要求1或2所述的方法，其中，所述预定类型任务包括：语义分割任务；

所述非主干网络包括：分割头。

4.根据权利要求3所述的方法，还包括：确定所述预训练模型的应用场景；

针对所述应用场景对所述预训练模型进行微调，得到所述应用场景下的语义分割模型。

5.一种对象处理方法，包括：获取待处理对象；

将所述待处理对象作为第一模型的输入，得到输出的所述待处理对象的处理结果，其中，所述第一模型为基于预训练模型生成的模型，所述预训练模型为将其中的主干网络和非主干网络作为整体、采用自监督算法训练得到的模型。

6.根据权利要求5所述的方法，其中，所述待处理对象包括：待处理图像；

所述第一模型包括：语义分割模型；

所述将所述待处理对象作为第一模型的输入，得到输出的所述待处理对象的处理结果包括：

将所述待处理图像作为所述语义分割模型的输入，得到输出的所述待处理图像的语义分割结果。

7.根据权利要求5或6所述的方法，其中，所述自监督算法包括：基于对比学习的自监督算法。

8.一种模型获取装置，包括：第一训练模块以及第二训练模型；

所述第一训练模块，用于针对预定类型任务，将其对应的网络模型中的主干网络和非主干网络作为整体，采用自监督算法进行训练；

所述第二训练模块，用于将训练得到的网络模型作为所述预定类型任务对应的预训练模型。

9.根据权利要求8所述的装置，其中，所述第一训练模块采用基于对比学习的自监督算法进行训练。

10.根据权利要求8或9所述的装置，其中，所述预定类型任务包括：语义分割任务；

所述非主干网络包括：分割头。

11.根据权利要求10所述的装置，其中，所述第二训练模块进一步用于，确定所述预训练模型的应用场景，针对所述应用场景对所述预训练模型进行微调，得到所述应用场景下的语义分割模型。

12.一种对象处理装置，包括：获取模块以及处理模块；

所述获取模块，用于获取待处理对象；

所述处理模块，用于将所述待处理对象作为第一模型的输入，得到输出的所述待处理对象的处理结果，其中，所述第一模型为基于预训练模型生成的模型，所述预训练模型为将其中的主干网络和非主干网络作为整体、采用自监督算法训练得到的模型。

13.根据权利要求12所述的装置，其中，所述待处理对象包括：待处理图像；

所述第一模型包括：语义分割模型；

所述处理模块将所述待处理图像作为所述语义分割模型的输入，得到输出的所述待处理图像的语义分割结果。

14.根据权利要求12或13所述的装置，其中，所述自监督算法包括：基于对比学习的自监督算法。

15.一种电子设备，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1‑7中任一项所述的方法。

16.一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计算机执行权利要求1‑7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1‑7中任一项所述的方法。