1.一种图像识别方法，其特征在于，所述方法包括：

获取待识别图像；

将所述待识别图像输入，经过训练得到的神经网络模型，得到所述待识别图像的识别结果，其中，所述神经网络模型是对所述神经网络中卷积层输出的特征图进行实例归一化IN和批归一化BN处理后得到的；

输出所述待识别图像的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程，包括：从所述神经网络的卷积层中确定第一卷积层集合和所述第二卷积层集合；

对所述第一卷积层集合中的每一卷积层输出的特征图进行IN处理；

对所述第二卷积层集合中的每一卷积层输出的特征图进行BN处理。

3.根据权利要求2中所述的方法，其特征在于，所述第一卷积层集合和所述第二卷积层集合组成的集合为所述神经网络的所有卷积层中的全部或部分。

4.根据权利要求2中所述的方法，其特征在于，所述第一卷积层集合与所述第二卷积层集合不具有交集，或者，所述第一卷积层集合与所述第二卷积层集合具有交集；或者，所述第二卷积层集合为所述第一卷积层集合的子集合。

5.根据权利要求2中所述的方法，其特征在于，所述对所述第一卷积层集合中的每一卷积层输出的特征图进行IN处理，包括：从所述第一卷积层集合中的每一所述卷积层输出的特征图对应的通道中确定第一通道集合；

对所述第一通道集合进行IN处理。

6.根据权利要求2中所述的方法，其特征在于，所述对所述第二卷积层集合中的每一卷积层输出的特征图进行BN处理，包括：从所述第二卷积层集合中的每一所述卷积层输出的特征图对应的通道中确定第二通道集合；

对所述第二通道集合进行BN处理。

7.根据权利要求2至6任一项中所述的方法，其特征在于，所述第一通道集合为所述第一卷积层集合中的每一所述卷积层输出的特征图对应的所有通道的全部或部分；所述第二通道集合为所述第二卷积层集合中的每一所述卷积层输出的特征图对应的所有通道的全部或部分。

8.一种图像识别装置，其特征在于，所述装置包括：第一获取模块、第一处理模块和第一输出模块，其中：第一获取模块，用于获取待识别图像；

第一处理模块，用于将所述待识别图像输入，经过训练得到的神经网络模型，得到所述待识别图像的识别结果，其中，所述神经网络模型是对神经网络进行IN和BN处理得到的。

第一输出模块，用于输出所述待识别图像的识别结果。

9.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机可执行指令，该计算机可执行指令被执行后，能够实现权利要求1至7任一项所述的方法步骤。

10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时可实现权利要求1至7任一项所述的方法步骤。