1.一种神经网络自适应训练方法，其特征在于，包括：放大第二图像；

向作为当前待训练神经网络的第一神经网络输入放大后的第二图像，得到经所述第一神经网络处理后且调整为与所述第二图像等大的第三图像；

基于所述第二图像并以所述第三图像为监督数据，对所述第一神经网络进行训练。

2.根据权利要求1所述的方法，其特征在于，还包括：基于第一图像并以所述第一图像的标注信息为监督数据，对所述第一神经网络进行训练。

3.根据权利要求1或2所述的方法，其特征在于，所述当前待训练的神经网络训练完成后作为针对第二场景的图像处理任务的神经网络；

所述第一神经网络在作为所述当前待训练的神经网络之前，用于处理针对第一场景的图像处理任务，其中，所述第一场景和所述第二场景不同。

4.根据权利要求3所述的方法，其特征在于，所述第一图像为对应所述第一场景的图像，所述第二图像为对应所述第二场景的图像。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述第二图像并以所述第三图像为监督数据，对所述第一神经网络进行训练，包括：基于包括有正则化约束项的损失函数确定所述第二图像和所述第三图像之间的损失，基于确定的损失调整所述第一神经网络的网络参数。

6.一种神经网络自适应训练装置，其特征在于，包括：放大单元，用于放大第二图像；

处理单元，用于向作为当前待训练神经网络的第一神经网络输入放大后的第二图像，得到经所述第一神经网络处理后且调整为与所述第二图像等大的第三图像；

训练单元，用于基于所述第二图像并以所述第三图像为监督数据，对所述第一神经网络进行训练。

7.一种电子设备，其特征在于，包括权利要求6所述的装置。

8.一种电子设备，其特征在于，包括：

存储器，用于存储可执行指令；以及

处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任一项所述的方法。

9.一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1至5任一项所述方法的指令。

10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至5任一项所述的方法。