1.一种图像分类方法，其特征在于，所述方法包括：获取待分类图像；

根据已训练的目标分类器确定所述待分类图像的类型，其中，所述目标分类器为基于多个初始分类器进行训练得到的满足预定条件的分类器；

输出所述待分类图像的类型。

2.根据权利要求1所述的方法，其特征在于，所述目标分类器的训练过程包括：对多个初始分类器进行至少一次竞争训练，得到分类器集合；

将所述分类器集合中分类性能最优的分类器确定为所述目标分类器。

3.根据权利要求2所述的方法，其特征在于，所述对多个初始分类器进行至少一次竞争训练，得到分类器集合，包括：对多个初始分类器进行性能竞争，将当前分类性能最优的初始分类器确定为赢家分类器，将除所述赢家分类器外的其他初始分类器确定为输家分类器；

对所述赢家分类器和所有所述输家分类器进行一次训练；

对所述一次训练后的赢家分类器和所述一次训练后的任一输家分类器再次进行性能竞争和训练；

重复执行N次性能竞争和N次训练，将最后一次迭代得到的所有分类器确定为所述分类器集合；N为大于等于1的整数。

4.根据权利要求3所述的方法，其特征在于，对所述赢家分类器进行一次训练，包括：获取有标签的第一样本组；

基于所述第一样本组，对所述赢家分类器进行训练。

5.根据权利要求3所述的方法，其特征在于，对所有所述输家分类器进行一次训练，包括：获取有标签的第一样本组和无标签的第二样本组；

将所述第二样本组输入所述赢家分类器，得到所述第二样本组中每个第二样本的预测类型及其所属预测类型的预测概率；

基于所述第二样本的预测类型及其所属预测类型的预测概率，从所述第二样本组中确定自信样本组；

基于所述自信样本组和所述第一样本组，对所述输家分类器进行训练。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第二样本的预测类型及其所属预测类型的预测概率，从所述第二样本组中确定自信样本组，包括：将所述第二样本组中预测概率大于置信度阈值的第二样本确定为自信样本；

将所述自信样本及其预测类型，确定为自信样本组。

7.根据权利要求5所述的方法，其特征在于，所述基于所述自信样本组和所述第一样本组，对所述输家分类器进行训练，包括：基于所述自信样本组和所述第一样本组，确定所述输家分类器的第二损失函数；

基于所述输家分类器的第二损失函数，训练所述输家分类器。

8.一种图像分类装置，其特征在于，包括：获取模块，配置为：获取待分类图像；

确定模块，配置为：根据已训练的目标分类器确定所述待分类图像的类型，其中，所述目标分类器为基于多个初始分类器进行训练得到的满足预定条件的分类器；

输出模块，配置为：输出所述待分类图像的类型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述图像分类方法中的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述图像分类方法中的步骤。