1.一种图像分割模型的训练方法，其特征在于，所述方法包括：
获取样本图像，所述样本图像是具有标注区域的图像；
对所述样本图像进行超像素划分，得到至少两个超像素区域；
根据所述样本图像中的像素是否属于所述标注区域，得到所述像素的硬标签；
根据所述像素所属的超像素区域和所述像素的硬标签，得到所述像素的软标签，所述软标签用于表征所述像素属于所述标注区域的伪概率；
根据所述像素的硬标签和所述像素的软标签，训练所述图像分割模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述像素所属的超像素区域和所述像素的硬标签，得到所述像素的软标签，包括：
响应于所述像素所属的超像素区域与所述标注区域之间存在交集像素，根据所述像素所属的超像素区域与所述标注区域之间的位置关系，得到所述像素对应的软标签。
3.根据权利要求2所述的方法，其特征在于，所述响应于所述像素所属的超像素区域与所述标注区域之间存在交集像素，根据所述像素所属的超像素区域与所述标注区域之间的位置关系，得到所述像素对应的软标签，包括：
响应于所述超像素区域的部分区域与所述标注区域之间存在所述交集像素，确定所述像素在所述样本图像中的像素位置；
计算所述像素位置与所述标注区域的边界之间的最小距离；
根据所述最小距离计算所述像素属于所述标注区域的伪概率，将所述伪概率作为所述像素对应的所述软标签。
4.根据权利要求2所述的方法，其特征在于，所述响应于所述像素所属的超像素区域与所述标注区域之间存在交集像素，根据所述像素所属的超像素区域与所述标注区域之间的位置关系，得到所述像素对应的软标签，还包括：
响应于所述超像素区域的全部区域与所述标注区域之间存在所述交集像素，确定所述像素对应的第一硬标签，所述第一硬标签用于指示所述像素位于所述标注区域内；
将所述第一硬标签作为所述像素的第一软标签。
5.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述像素所属的超像素区域和所述像素的硬标签，得到所述像素的软标签，包括：
响应于所述超像素区域与所述标注区域之间不存在所述交集像素，确定所述像素对应的第二硬标签，所述第二硬标签用于指示所述像素位于所述标注区域外；
将所述第二硬标签作为所述像素的第二软标签。
6.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述像素的硬标签和所述像素的软标签，训练所述图像分割模型，包括：
将所述样本图像输入至所述图像分割模型中，得到所述样本图像中的像素属于所述标注区域的预测概率；
根据所述预测概率、所述硬标签和所述软标签计算复合损失函数；
利用所述复合损失函数对所述图像分割模型进行训练，得到训练后的图像分割模型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述预测概率、所述硬标签和所述软标签计算复合损失函数，包括：
根据所述预测概率和所述硬标签计算所述硬标签对应的第一损失函数，所述第一损失函数对应有第一超参数，所述第一超参数用于表征所述第一损失函数对所述复合损失函数的影响程度；
根据所述预测概率和所述软标签计算所述软标签对应的第二损失函数，所述第二损失函数对应有第二超参数，所述第二超参数用于表征所述第二损失函数对所述复合损失函数的影响程度；
根据所述第一损失函数、所述第一超参数、所述第二损失函数、所述第二超参数，计算所述复合损失函数。
8.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：
获取输入图像，所述输入图像包括分割区域；
将所述输入图像输入至训练后的图像分割模型中，得到所述输入图像对应的预测概率图，所述预测概率图用于表征所述输入图像中的像素属于所述分割区域的预测概率；
根据所述预测概率图确定所述输入图像的分割结果。
9.根据权利要求8所述的方法，其特征在于，所述根据所述预测概率图确定所述输入图像的分割结果，包括：
利用最大值自变量点集函数，确定所述像素在所述输入图像中的像素位置，所述像素位置是所述像素属于所述分割区域的所述预测概率最大时的位置；
根据所述像素位置确定所述输入图像的分割结果。
10.一种图像分割方法，其特征在于，所述方法包括：
获取输入图像，所述输入图像包括分割区域；
将所述输入图像输入至训练后的图像分割模型中，得到所述输入图像对应的预测概率图，所述图像分割模型是根据样本图像的像素的硬标签和软标签训练得到的，所述样本图像是具有标注区域且经过超像素划分的图像，所述硬标签用于指示所述像素属于所述标注区域，所述软标签是由所述像素所属的超像素区域和所述像素的硬标签得到的，所述预测概率图用于表征所述输入图像中的像素属于所述分割区域的预测概率；
根据所述预测概率图确定所述输入图像的分割结果。
11.根据权利要求10所述的方法，其特征在于，所述根据所述预测概率图确定所述输入图像的分割结果，包括：
利用最大值自变量点集函数，确定所述像素在所述输入图像中的像素位置，所述像素位置是所述像素属于所述分割区域的所述预测概率最大时的位置；
根据所述像素位置确定所述输入图像的分割结果。
12.一种图像分割模型的训练装置，其特征在于，所述装置包括：
第一获取模块，用于获取样本图像，所述样本图像是具有标注区域的图像；
像素划分模块，用于对所述样本图像进行超像素划分，得到至少两个超像素区域；
标签确定模块，用于根据所述样本图像中的像素是否属于所述标注区域，得到所述像素的硬标签；
所述标签确定模块，用于根据所述像素所属的超像素区域和所述像素的硬标签，得到所述像素的软标签，所述软标签用于表征所述像素属于所述标注区域的伪概率；
训练模块，用于根据所述像素的硬标签和所述像素的软标签，训练所述图像分割模型。
13.一种图像分割装置，其特征在于，所述装置包括：
第二获取模块，用于获取输入图像，所述输入图像包括分割区域；
图像分割模型，用于对所述输入图像进行分割，得到所述输入图像对应的预测概率图，所述图像分割模型是根据样本图像的像素的硬标签和软标签训练得到的，所述样本图像是具有标注区域且经过超像素划分的图像，所述硬标签用于指示所述像素属于所述标注区域，所述软标签是由所述像素所属的超像素区域和所述像素的硬标签得到的，所述预测概率图用于表征所述输入图像中的像素属于所述分割区域的预测概率；根据所述预测概率图确定所述输入图像的分割结果。
14.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至9任一项所述的图像分割模型的训练方法以及如权利要求10或11所述的图像分割方法。
15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行，以实现如权利要求1至9任一项所述的图像分割模型的训练方法以及如权利要求10或11所述的图像分割方法。