1.一种图像识别方法，其特征在于，所述方法包括：

将待识别图像输入到已训练的目标识别模型，以由本目标识别模型通过目标检测网络检测所述待识别图像中目标对象在所述待识别图像中的位置，并输出到本目标识别模型中的校正网络，以由所述校正网络从所述待识别图像中抠出所述位置对应的图像，并对抠出的图像进行校正，并输出校正后的图像给本目标识别模型中的目标识别网络识别所述校正后的图像的内容；

获取所述目标识别网络输出的图像识别结果。

2.根据权利要求1所述的方法，其特征在于，所述目标检测网络检测所述待识别图像中目标对象在所述待识别图像中的位置，包括：通过本目标检测网络中的预处理层对所述待识别图像进行图像预处理，并输出给本目标检测网络中的第一级联卷积神经网络；

所述第一级联卷积神经网络对预处理后的待识别图像进行位置检测，以得到所述目标对象在所述待识别图像中的位置。

3.根据权利要求2所述的方法，其特征在于，所述图像预处理至少包括以下处理：格式转化处理和降采样处理。

4.根据权利要求2所述的方法，其特征在于，所述校正网络从所述待识别图像中抠出所述位置对应的图像，并对抠出的图像进行校正，包括：通过本校正网络中的抠图层从所述预处理后的待识别图像中抠出所述位置对应的图像，并输出给本校正网络中的第二级联卷积神经网络；

所述第二级联卷积神经网络计算抠出的图像的校正值，并输出给本校正网络中的校正层；

所述校正层利用所述校正值对所述抠出的图像进行校正，以得到校正后的图像。

5.根据权利要求4所述的方法，其特征在于，所述抠出的图像的校正值至少包括：尺度校正值、角度校正值以及亮度校正值。

6.根据权利要求1所述的方法，其特征在于，所述目标识别网络识别所述校正后的图像的内容，包括：通过本目标识别网络中的上采样层对所述校正后的图像进行上采样处理，并输出给本目标识别网络中的第三级联卷积神经网络；

所述第三级联卷积神经网络识别上采样处理后的图像的内容，以得到图像识别结果。

7.根据权利要求1所述的方法，其特征在于，目标检测网络通过如下方式训练：获取第一类训练样本和第二类训练样本，所述第一类训练样本是包含有各种类型目标且对各种类型目标进行了位置标注的样本，所述第二类训练样本是包含有指定类型目标且对指定类型目标进行了位置标注的样本；

利用所述第一类训练样本对所述目标检测网络的训练模型进行粗略训练，直至训练次数达到预设次数停止训练；

利用所述第二类训练样本对所述目标检测网络进行优化训练，直至所述目标检测网络的损失值低于预设阈值停止训练；

其中，在所述粗略训练过程中，调整本目标检测网络中预处理层的降采样倍数k和第一级联卷积神经网络的降采样倍数n，所述k与所述n之积等于预设降采样倍数。

8.一种图像识别装置，其特征在于，所述装置包括：

模型识别模块，用于将待识别图像输入到已训练的目标识别模型，以由本目标识别模型通过目标检测网络检测所述待识别图像中目标对象在所述待识别图像中的位置，并输出到本目标识别模型中的校正网络，以由所述校正网络从所述待识别图像中抠出所述位置对应的图像，并对抠出的图像进行校正，并输出校正后的图像给本目标识别模型中的目标识别网络识别所述校正后的图像的内容；

获取模块，用于获取所述目标识别网络输出的图像识别结果。

9.根据权利要求8所述的装置，其特征在于，所述模型识别模块，具体用于在所述目标检测网络检测所述待识别图像中目标对象在所述待识别图像中的位置过程中，通过本目标检测网络中的预处理层对所述待识别图像进行图像预处理，并输出给本目标检测网络中的第一级联卷积神经网络；所述第一级联卷积神经网络对预处理后的待识别图像进行位置检测，以得到所述目标对象在所述待识别图像中的位置。

10.根据权利要求8所述的装置，其特征在于，所述模型识别模块，具体用于在所述校正网络从所述待识别图像中抠出所述位置对应的图像，并对抠出的图像进行校正过程中，通过本校正网络中的抠图层从所述预处理后的待识别图像中抠出所述位置对应的图像，并输出给本校正网络中的第二级联卷积神经网络；所述第二级联卷积神经网络计算抠出的图像的校正值，并输出给本校正网络中的校正层；所述校正层利用所述校正值对所述抠出的图像进行校正，以得到校正后的图像。

11.根据权利要求8所述的装置，其特征在于，所述模型识别模块，具体用于在所述目标识别网络识别所述校正后的图像的内容过程中，通过本目标识别网络中的上采样层对所述校正后的图像进行上采样处理，并输出给本目标识别网络中的第三级联卷积神经网络；所述第三级联卷积神经网络识别上采样处理后的图像的内容，以得到图像识别结果。

12.根据权利要求8所述的装置，其特征在于，所述装置还包括：

目标检测网络训练模块，用于获取第一类训练样本和第二类训练样本，所述第一类训练样本是包含有各种类型目标且对各种类型目标进行了位置标注的样本，所述第二类训练样本是包含有指定类型目标且对指定类型目标进行了位置标注的样本；利用所述第一类训练样本对所述目标检测网络的训练模型进行粗略训练，直至训练次数达到预设次数停止训练；利用所述第二类训练样本对所述目标检测网络进行优化训练，直至所述目标检测网络的损失值低于预设阈值停止训练；其中，在所述粗略训练过程中，调整本目标检测网络中预处理层的降采样倍数k和第一级联卷积神经网络的降采样倍数n，所述k与所述n之积等于预设降采样倍数。

13.一种电子设备，其特征在于，包括可读存储介质和处理器；

其中，所述可读存储介质，用于存储机器可执行指令；

所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现权利要求1-7任一所述方法的步骤。

14.一种芯片，其特征在于，包括可读存储介质和处理器；

其中，所述可读存储介质，用于存储机器可执行指令；

所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现权利要求1-7任一所述方法的步骤。