1.一种神经网络的训练方法，其特征在于，包括：根据第一神经网络从目标域中的图像样本中提取的特征，生成目标域中的图像样本的当前次的伪标注结果；

其中，所述第一神经网络是采用训练图像集中的图像样本及其标注结果训练得到的，所述训练图像集中的图像样本及其标注结果包括源域中的图像样本及其标注结果以及所述目标域中的图像样本及其前一次的伪标注结果；

其中，所述第一神经网络为N个，N为大于等于4的整数，且N为偶数；所述N个第一神经网络分为N/2个第二神经网络和N/2个第三神经网络两类；一个第二神经网络和一个第三神经网络组成一个神经网络对，每一个神经网络对中的第三神经网络的一个网络参数的当前参数值是根据该神经网络对中的第二神经网络的相应网络参数的当前参数值以及之前每一次训练时的参数值确定的；

利用所述第一神经网络对联合域中的图像样本进行处理，输出第一神经网络的处理结果，具体包括：利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理，输出每个神经网络对中的第二神经网络的处理结果和第三神经网络的处理结果；所述联合域中的图像样本及其当前次的标注结果包括所述源域中的图像样本及其标注结果以及所述目标域中的图像样本及其当前次的伪标注结果；

根据第一神经网络的处理结果，以及联合域中的图像样本的当前次的标注结果，调整所述第一神经网络的网络参数的参数值，具体包括：针对一个第二神经网络，根据该第二神经网络的处理结果、联合域中的图像样本的当前次的标注结果、以及除包含该第二神经网络的神经网络对以外的各个神经网络对中的第三神经网络的处理结果，调整该第二神经网络的网络参数值。

2.根据权利要求1所述的方法，其特征在于，所述训练图像集中的图像样本及其标注结果还包括所述目标域中的图像样本及其前一次的伪标注结果。

3.根据权利要求1所述的方法，其特征在于，针对一个第一神经网络，根据该第一神经网络的处理结果、联合域中的图像样本的当前次的标注结果、以及N个第一神经网络中除该第一神经网络以外的部分或者全部的第一神经网络的处理结果，调整该第一神经网络的网络参数的参数值，包括：针对一个第二神经网络，根据该第二神经网络的处理结果、联合域中的图像样本的当前次的标注结果、以及除包含该第二神经网络的神经网络对以外的各个神经网络对中的第三神经网络的处理结果，调整该第二神经网络的网络参数值。

4.根据权利要求1‑3中任一项所述的方法，其特征在于，在利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理之前，所述方法还包括：从联合域中抽取预设数量的图像样本；

对所述抽取的图像样本进行N/2种不同方式的预处理，得到N/2种预处理后的图像样本；

利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理，包括：

利用每个神经网络对中的第二神经网络和第三神经网络分别对一种预处理后的图像样本进行处理。

5.根据权利要求4所述的方法，其特征在于，根据第一神经网络从目标域中的图像样本中提取的特征，生成目标域中的图像样本的当前次的伪标注结果，包括：根据N/2个第二神经网络从目标域中的图像样本中提取的特征的平均值，生成目标域中的图像样本的当前次的伪标注结果。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：利用参数调整后的N/2个第二神经网络对测试图像集中的图像进行处理，将处理结果最优的第二神经网络作为目标神经网络。

7.一种目标识别的方法，其特征在于，包括：使用目标神经网络进行图像处理，以识别所述图像中的目标，其中，所述目标神经网络采用权利要求1‑6任一项所述的方法训练完成。

8.一种神经网络的训练装置，其特征在于，包括：伪标注生成单元，用于根据第一神经网络从目标域中的图像样本中提取的特征，生成目标域中的图像样本的当前次的伪标注结果；

其中，所述第一神经网络是采用训练图像集中的图像样本及其标注结果训练得到的，所述训练图像集中的图像样本及其标注结果包括源域中的图像样本及其标注结果以及所述目标域中的图像样本及其前一次的伪标注结果；

其中，所述第一神经网络为N个，N为大于等于4的整数，且N为偶数；所述N个第一神经网络分为N/2个第二神经网络和N/2个第三神经网络两类；一个第二神经网络和一个第三神经网络组成一个神经网络对，每一个神经网络对中的第三神经网络的一个网络参数的当前参数值是根据该神经网络对中的第二神经网络的相应网络参数的当前参数值以及之前每一次训练时的参数值确定的；

处理单元，用于利用所述第一神经网络对联合域中的图像样本进行处理，输出第一神经网络的处理结果，具体用于：利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理，输出每个神经网络对中的第二神经网络的处理结果和第三神经网络的处理结果；所述联合域中的图像样本及其当前次的标注结果包括所述源域中的图像样本及其标注结果以及所述目标域中的图像样本及其当前次的伪标注结果；

调整单元，用于根据第一神经网络的处理结果，以及联合域中的图像样本的当前次的标注结果，调整所述第一神经网络的网络参数的参数值，具体用于：利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理，输出每个神经网络对中的第二神经网络的处理结果和第三神经网络的处理结果。

9.根据权利要求8所述的装置，其特征在于，所述训练图像集中的图像样本及其标注结果还包括所述目标域中的图像样本及其前一次的伪标注结果。

10.根据权利要求8所述的装置，其特征在于，调整单元，在针对一个第一神经网络，根据该第一神经网络的处理结果、联合域中的图像样本的当前次的标注结果、以及N个第一神经网络中除该第一神经网络以外的部分或者全部的第一神经网络的处理结果，调整该第一神经网络的网络参数的参数值时，具体用于：针对一个第二神经网络，根据该第二神经网络的处理结果、联合域中的图像样本的当前次的标注结果、以及除包含该第二神经网络的神经网络对以外的各个神经网络对中的第三神经网络的处理结果，调整该第二神经网络的网络参数值。

11.根据权利要求8‑10中任一项所述的装置，其特征在于，所述装置还包括预处理单元；

所述预处理单元，用于在利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理之前，从联合域中抽取预设数量的图像样本；对所述抽取的图像样本进行N/2种不同方式的预处理，得到N/2种预处理后的图像样本；

所述处理单元，在利用每个神经网络对中的第二神经网络和第三神经网络对所述联合域中的图像样本进行处理时，具体用于：利用每个神经网络对中的第二神经网络和第三神经网络分别对一种预处理后的图像样本进行处理。

12.根据权利要求11所述的装置，其特征在于，所述伪标注生成单元，在根据第一神经网络从目标域中的图像样本中提取的特征，生成目标域中的图像样本的当前次的伪标注结果时，具体用于：根据N/2个第二神经网络从目标域中的图像样本中提取的特征的平均值，生成目标域中的图像样本的当前次的伪标注结果。

13.根据权利要求12所述的装置，其特征在于，所述装置还包括测试单元；

所述测试单元，用于利用参数调整后的N/2个第二神经网络对测试图像集中的图像进行处理，将处理结果最优的第二神经网络作为目标神经网络。

14.一种目标识别的装置，其特征在于，包括：识别单元，用于使用目标神经网络进行图像处理，以识别图像中的目标，其中，所述目标神经网络采用权利要求1‑6任一项所述的方法训练完成。

15.一种电子装置，其特征在于，包括处理器、存储器，其中，所述存储器用于存储计算机可读指令，所述处理器用于调用所述存储器中存储的指令，以执行权利要求1‑6任一项所述的方法或权利要求7所述的方法。

16.一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，当所述计算机程序被处理器执行时，所述处理器实现如权利要求1‑6任一项所述的方法或权利要求7所述的方法。