分割的速度和效率。本申请提供一种图像分割及模型训练的方法、服务器。本申请的方法，对于待处理的第一图像，通过轻量级语义分割编码网络提取到包含空间细节特征的第一特征图，并对第一图像进行可逆降采样得到第二图像，将第二图像输入深度语义分割编码网络进行特征提取得到第二特征图，对第二特征图进行可逆降采样的逆处理，恢复到更大分辨率的第三特征图，可减少图像降采样损失的图像信息；将第一特征图和第三特征图融合后输入分割预测网络进行图像分割得到图像分割结果，通过融合两个分支的特征图，得到既包含空间细节特征又包含高级语义特征的融合特(56)对比文件DeyiJi等.Structural and StatisticalTexture Knowledge Distillation forSemantic Segmentation.2022 IEEE/CVFConference on Computer Vision and PatternRecognition (CVPR).2022,第16855-16864页.Shaohua Guo, Liang Liu, Zhenye Gan,等.Isdnet: Integrating shallow and deepnetworks for efficient ultra-highresolution segmentation.2022 IEEE/CVFConference on Computer Vision and PatternRecognition (CVPR).2022,摘要，第1-3节.Pengju Liu, Hongzhi Zhang, Kai Zhang等.Multi-level wavelet-cnn for imagerestoration.2018 IEEE/CVF Conference onComputer Vision and Pattern RecognitionWorkshops (CVPRW).2018,摘要，第1-3节.严伊彤.基于多尺度特征融合的轻量级图像超分辨率研究.中国优秀硕士学位论文全文数据库-信息科技辑.2023,第I138-2624页.