1.一种基于卷积受限玻尔兹曼机的形状建模方法，其特征在于，包括如下步骤：在受限玻尔兹曼机的基础上增加卷积操作，得到卷积受限玻尔兹曼机的模型结构；

基于所述卷积受限玻尔兹曼机的模型，得到所述卷积受限玻尔兹曼机的模型的数学表达以及模型的训练方式；

确定实验所用模型的结构，用训练集训练模型，用该模型进行建模形状的实验。

2.根据权利要求1所述的基于卷积受限玻尔兹曼机的形状建模方法，其特征在于，优选的，所述方法还包括：在用模型进行建模形状之前，先确定模型的网络结构，之后再训练及测试网络，其中，模型结构的确定，包括确定网络的层数、卷积核的个数、每一层特征图的个数。

3.根据权利要求1所述的基于卷积受限玻尔兹曼机的形状建模方法，其特征在于，所述方法还包括：在模型结构确定后，选定训练集来确定模型中参数的值，其中，训练集和测试集从Weizmann Horse数据集中选择，该数据集中共有328幅图像，将其中的200幅图像用于训练网络，其余的128幅图像用于测试。

4.根据权利要求1所述的基于卷积受限玻尔兹曼机的形状建模方法，其特征在于，所述方法还包括：在模型训练好后，用训练集和测试集图像分别来测试模型。

5.根据权利要求1所述的基于卷积受限玻尔兹曼机的形状建模方法，其特征在于，所述用训练集和测试集图像分别来测试模型，包括：用训练集和测试集中完整的图像作为模型的输入，来测试模型的表达能力和生成形状的能力；

对用训练集和测试集中的图像添加均匀噪声和高斯噪声干扰，以添加了噪声的图像作为模型输入，以此来测试模型的抗噪能力。

6.一种基于卷积受限玻尔兹曼机的形状建模装置，其特征在于，包括：增加模块，用于在受限玻尔兹曼机的基础上增加卷积属性，得到卷积受限玻尔兹曼机的模型结构；

获得模块，用于基于所述卷积受限玻尔兹曼机的模型，得到所述卷积受限玻尔兹曼机的模型的数学表达以及模型的训练方式；

确定模块，用于确定实验所用模型的结构，用训练集训练模型，用该模型进行建模形状的实验。

7.一种电子装置，其特征在于，所述电子装置包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-5所述的方法。