1.一種應(yīng)用于相位展開的深度學(xué)習(xí)語義分割模型的訓(xùn)練方法，其特征在于，所述深度學(xué)習(xí)語義分割模型包括：mobilevit網(wǎng)絡(luò)、邊緣信息增強(qiáng)網(wǎng)絡(luò)和空洞金字塔分割網(wǎng)絡(luò)，所述訓(xùn)練方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述對相機(jī)采集到的相移光柵圖進(jìn)行伽馬矯正，以得到相對應(yīng)的包裹相位圖，包括：
3.如權(quán)利要求1所述的方法，其特征在于，所述將所述訓(xùn)練圖像集中的包裹相位圖依次輸入至所述深度學(xué)習(xí)語義分割模型，以進(jìn)行特征提取，包括：
4.如權(quán)利要求3所述的方法，其特征在于，所述基于mobilevit網(wǎng)絡(luò)和邊緣信息增強(qiáng)網(wǎng)絡(luò)構(gòu)建特征提取策略，并通過下采樣的方式，對所述包裹相位圖進(jìn)行特征提取和融合，以得到多尺度的包裹相位特征圖，包括：
5.如權(quán)利要求4所述的方法，其特征在于，所述mobilevit網(wǎng)絡(luò)包括：
6.如權(quán)利要求4所述的方法，其特征在于，所述邊緣信息增強(qiáng)網(wǎng)絡(luò)包括：
7.如權(quán)利要求3所述的方法，其特征在于，所述利用空洞金字塔分割網(wǎng)絡(luò)，并通過上采樣的方式，對多尺度的包裹相位特征圖進(jìn)行特征提取和拼接，以得到包含多尺度包裹相位信息的包裹相位綜合特征圖，包括：
8.如權(quán)利要求7所述的方法，其特征在于，所述空洞金字塔分割網(wǎng)絡(luò)包括：
9.如權(quán)利要求7所述的方法，其特征在于，所述將所述訓(xùn)練圖像集中的條紋級數(shù)圖作為輸出，調(diào)整所述深度學(xué)習(xí)語義分割模型的參數(shù)，以得到最優(yōu)的深度學(xué)習(xí)語義分割模型，包括：