1.一种基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：

对给定的息肉图像借助HarDNet骨干网络的不同卷积层进行多尺度特征提取，得到四个不同级别的特征 然后将三个较高级别的特征 分别输入到对应的一个由通道注意力和空间注意力构成的并行特征增强模块中增强特征表示；其中，通道注意力模块对输入特征进行通道加权处理；空间注意力模块对通道加权后的特征进行空间加权处理；同时使用并行部分解码器对高级特征 进行聚合，得到一个全局映射Sg作为后续解码部分的全局指导；

将全局映射Sg和构建后的最高级特征f4送入一个反向注意力模块中处理，得到预测特征R4，再将预测特征 R4 和全局映射Sg相加，得到预测图结果S4；将预测图结果S4和构建后的高级特征f3输入到一个反向注意力模块中，处理后得到预测结果S3；将预测结果S3和构建后的特征f2输入到一个反向注意力模块中，处理后得到预测结果S2；利用预测图结果和真实结果计算出损失loss以指导网络训练，最终得到一个性能最佳的息肉分割模型，用以进行像素级息肉分割；

所述并行特征增强模块结合多个具有不同扩张率的扩张卷积层，每个扩张卷积层的输出都连接一个通道注意力机制模块和一个空间注意力机制模块；在每个扩张卷积层的输出特征之间拼接后，将原始输入特征直接与增强后的特征相加以保留原始特征的信息并增强网络的表达能力；最后，将拼接后的特征图使用ReLU激活函数处理并传递给一个1x1卷积层进行维度变换获得更详细准确的特征集；

所述并行部分解码器中，每个特征先经过一个感受野模块RFB以增强卷积神经网络特征表示；然后每个特征再通过逐个元素的乘法执行聚合；最后，经过一个卷积和激活操作，得到一个全局映射Sg= pd (f3, f4, f5)，作为反向注意力模块RA的全局指导；

所述反向注意力模块通过擦除前景对象的方式逐步挖掘区分息肉区域，其中，擦除前景的操作是：

 （1）

其中 表示上采样操作；反向注意力模块表示为:

*    （2）。

2.一种基于并行特征增强和注意机制的像素级息肉分割系统，其特征在于，通过如权利要求1所述的方法训练获得的息肉分割模型进行息肉图像分割。

3.一种电子设备，包括存储器、处理器及存储在存储器上并能够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所述的基于并行特征增强和注意机制的像素级息肉分割方法的步骤。

4.一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所述的基于并行特征增强和注意机制的像素级息肉分割方法的步骤。