杂乱混叠场景下多类别目标语义分割方法、设备及介质

本发明公开了一种杂乱混叠场景下多类别目标语义分割方法、设备及介质，涉及语义分割技术领域，所述方法包括：构建基准数据集；构建以U‑Net网络为原型的基准神经网络模型，基准神经网络模型包括下采样网络及上采样网络，下采样网络为融入通道注意力机制的Resnet50网络，上采样网络采用融入坐标注意力机制的双线性插值上采样方式或采用融入Ghost卷积与坐标注意力机制的双线性插值上采样方式；通过所述基准数据集对所述基准神经网络模型进行训练及优化处理，以生成目标神经网络模型；将目标图像输入所述目标神经网络模型进行逐像素语义分割，以输出分割结果。采用本发明，可有效提高机器视觉对于多类别无序摆放目标物的检测和分割效率，大大减少了算法计算量。