1.一种实例分割网络优化方法，其特征在于，包括：

获取批量的尾部数据样本，并对所述尾部数据样本进行数据增广，得到尾部扩展样本；

对所述尾部数据样本和所述尾部扩展样本进行对比学习，得到尾部对比损失；

构建所述尾部扩展样本的伪语义标签，具体包括：对所述尾部扩展样本进行特征提取，得到密集特征；对所述密集特征进行下采样，得到降维特征，并将所述降维特征作为所述尾部扩展样本的伪类别标签；计算每个所述降维特征与每个所述密集特征之间的第二余弦相似度；基于所述第二余弦相似度和所述密集特征，得到所述尾部扩展样本的分数映射；基于所述分数映射计算对应的尾部扩展样本的伪掩码；基于所述伪掩码和所述伪类别标签形成伪语义标签；

获取批量的头部数据样本，所述头部数据样本和所述尾部数据样本均包含真值标签，所述真值标签包括真实掩码和真实类别标签；

将所述头部数据样本、所述尾部数据样本和所述尾部扩展样本输入预设实例分割网络中，基于所述真值标签和所述伪语义标签计算分割掩码损失和类别损失，具体包括：将所述头部数据样本、所述尾部数据样本和所述尾部扩展样本输入预设实例分割网络中，得到所述头部数据样本、所述尾部数据样本和所述尾部扩展样本对应的预测掩码和预测语义类别；基于所述真实掩码、所述伪掩码和所述预测掩码，得到分割掩码损失；基于所述真实类别标签、所述伪类别标签和所述预测语义类别，得到类别损失；

基于所述尾部对比损失、所述分割掩码损失和所述类别损失，对所述预设实例分割网络进行调整，得到优化实例分割网络。

2.根据权利要求1所述的方法，其特征在于，所述对所述尾部数据样本和所述尾部扩展样本进行对比学习，得到尾部对比损失，包括：对所述尾部数据样本进行特征提取，得到尾部数据特征；

对所述尾部扩展样本进行特征提取，得到尾部扩展数据特征；

计算每个所述尾部扩展数据特征与每个所述尾部数据特征之间的第一余弦相似度，得到每个所述尾部扩展数据特征对应的相似度集合；

基于所述尾部扩展数据特征和所述相似度集合，得到所述尾部扩展数据特征的特征对比损失；

基于所述尾部扩展数据特征和所述相似度集合，将所述尾部扩展数据特征进行特征增强，确定所述尾部扩展数据特征的增强对比损失；

基于所述特征对比损失和所述增强对比损失形成尾部对比损失。

3.根据权利要求2所述的方法，其特征在于，所述基于所述尾部扩展数据特征和所述相似度集合，得到所述尾部扩展数据特征的特征对比损失，包括：将多个所述相似度集合分别作为待对比集合，获取所述待对比集合与多个所述相似度集合中除所述待对比集合之外的其他相似度集合之间的第一目标相似度；

将第一目标相似度大于或等于预设相似度的其他相似度集合所对应的尾部扩展数据特征作为正样本；

将第一目标相似度小于预设相似度的其他相似度集合所对应的尾部扩展数据特征作为负样本；

基于所述正样本、所述负样本和所述待对比集合对应的尾部扩展数据特征得到特征对比损失。

4.根据权利要求2所述的方法，其特征在于，所述基于所述尾部扩展数据特征和所述相似度集合，将所述尾部扩展数据特征进行特征增强，确定所述尾部扩展数据特征的增强对比损失，包括：将多个所述相似度集合分别作为待对比集合，获取所述待对比集合与多个所述相似度集合中除所述待对比集合之外的其他相似度集合之间的第一目标相似度；

将第一目标相似度大于或等于预设相似度的其他相似度集合所对应的尾部扩展数据特征作为正样本；

将第一目标相似度小于预设相似度的其他相似度集合所对应的尾部扩展数据特征作为负样本；

将所述待对比集合中大于阈值的第一余弦相似度作为第二目标相似度；

将所述第二目标相似度对应的尾部数据特征与所述待对比集合对应的尾部扩展数据特征进行特征聚合操作，得到增强特征；

基于所述正样本、所述负样本和所述增强特征得到所述待对比集合对应的尾部扩展数据特征的增强对比损失。

5.根据权利要求1所述的方法，其特征在于，所述基于所述分数映射计算对应的所述尾部扩展样本的伪掩码，包括：对所述分数映射进行归一化，得到初始伪掩码；

获取所述初始伪掩码的掩码分数，并将所述掩码分数作为所述初始伪掩码的置信度分数；

基于所述置信度分数对所述初始伪掩码进行非极大值抑制操作，得到所述分数映射对应的尾部扩展样本的伪掩码。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述尾部对比损失、所述分割掩码损失和所述类别损失，对所述预设实例分割网络进行调整，得到优化实例分割网络，包括：在所述尾部对比损失、所述分割掩码损失和所述类别损失满足预设损失要求时，将所述预设实例分割网络作为优化实例分割网络；

否则，对所述预设实例分割网络中的网络参数进行调整，得到调整的实例分割网络；

将所述头部数据样本、所述尾部数据样本和所述尾部扩展样本输入所述调整的实例分割网络中，直到对应的所述尾部对比损失、所述分割掩码损失和所述类别损失满足预设损失要求，得到优化实例分割网络。

7.一种计算设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，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6任一项所述的一种实例分割网络优化方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1至6任一项所述的一种实例分割网络优化方法的步骤。