1.一种模型获取方法，其特征在于，包括：

采用每个基础模型对训练集中的各个图像进行处理，获取每个图像的特征，所述基础模型为已训练的基础模型池中的模型；

针对所述基础模型，根据所述图像的特征和类别，获取所述基础模型对所述训练集的聚类能力，所述类别用于表示所述图像的分类信息；

根据每个基础模型对所述训练集的聚类能力，从所述基础模型池中获取预训练模型；

所述针对所述基础模型，根据所述图像的特征和类别，获取所述基础模型对所述训练集的聚类能力，包括：针对所述基础模型，根据所述训练集中各个图像的特征和类别，获取所述训练集的特征子集，所述特征子集用于表示图像的特征和类别对的集合；

针对所述特征子集中的每个类别，根据所述类别对应的图像的特征，获取所述基础模型对所述训练集的聚类能力。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述训练集对所述预训练模型进行训练，获取图像分类模型；

根据所述图像分类模型对测试集中的各个图像进行推理，得到所述测试集中各个图像的类别；

根据所述测试集中各个图像的类别，获取所述测试集对应的分类正确率；

若所述分类正确率大于预设值，将所述图像分类模型作为最终的图像分类模型。

3.根据权利要求2所述的方法，其特征在于，所述基础模型池包括多个类别分别对应的子基础模型池，所述方法还包括：将所述训练集的类别作为所述最终的图像分类模型的类别，所述训练集的类别用于表示所述训练集的分类信息；

根据所述最终的图像分类模型的类别，将所述最终的图像分类模型存储至对应的子基础模型池。

4.根据权利要求1所述的方法，其特征在于，所述针对所述特征子集中的每个类别，根据所述类别对应的图像的特征，获取所述基础模型对所述训练集的聚类能力，包括：针对所述类别，计算得到所述类别对应的图像的特征值的平均值，其中，每个图像的特征对应一个特征值；

根据每个图像的特征值与所述平均值之间差值的平均值，获取所述基础模型对所述类别的聚类距离；

计算得到所述基础模型对每个类别的聚类距离之间的平均值；

根据所述基础模型对每个类别的聚类距离之间的平均值，获取所述基础模型对所述训练集的聚类能力。

5.根据权利要求4所述的方法，其特征在于，所述根据每个基础模型对所述训练集的聚类能力，从所述基础模型池中获取预训练模型，包括：从所述基础模型池中获取对所述训练集的聚类能力最高的基础模型；

将所述基础模型作为所述预训练模型。

6.一种模型获取装置，其特征在于，包括：

获取模块，用于采用每个基础模型对训练集中的各个图像进行处理，获取每个图像的特征，所述基础模型为已训练的基础模型池中的模型；

针对所述基础模型，根据所述图像的特征和类别，获取所述基础模型对所述训练集的聚类能力，所述类别用于表示所述图像的分类信息；

根据每个基础模型对所述训练集的聚类能力，从所述基础模型池中获取预训练模型；

所述获取模块具体用于：

针对所述基础模型，根据所述训练集中各个图像的特征和类别，获取所述训练集的特征子集，所述特征子集用于表示图像的特征和类别对的集合；

针对所述特征子集中的每个类别，根据所述类别对应的图像的特征，获取所述基础模型对所述训练集的聚类能力。

7.根据权利要求6所述的装置，其特征在于，所述获取模块还用于：根据所述训练集对所述预训练模型进行训练，获取图像分类模型；

根据所述图像分类模型对测试集中的各个图像进行推理，得到所述测试集中各个图像的类别；

根据所述测试集中各个图像的类别，获取所述测试集对应的分类正确率；

若所述分类正确率大于预设值，将所述图像分类模型作为最终的图像分类模型。

8.根据权利要求7所述的装置，其特征在于，还包括：处理模块，用于将所述训练集的类别作为所述最终的图像分类模型的类别，所述训练集的类别用于表示所述训练集的分类信息；

根据所述最终的图像分类模型的类别，将所述最终的图像分类模型存储至对应的子基础模型池。

9.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于：针对所述类别，计算得到所述类别对应的图像的特征值的平均值，其中，每个图像的特征对应一个特征值；

根据每个图像的特征值与所述平均值之间差值的平均值，获取所述基础模型对所述类别的聚类距离；

计算得到所述基础模型对每个类别的聚类距离之间的平均值；

根据所述基础模型对每个类别的聚类距离之间的平均值，获取所述基础模型对所述训练集的聚类能力。

10.根据权利要求9所述的装置，其特征在于，所述获取模块具体用于：从所述基础模型池中获取对所述训练集的聚类能力最高的基础模型；

将所述基础模型作为所述预训练模型。