1.一种基于深度学习的卡证图像识别方法，其特征在于，包括以下步骤：获取待处理的卡证图像；

采用深度学习的分类网络对所述卡证图像进行分类处理，获取所述卡证图像中的目标区域；

对所述目标区域进行特征提取处理，获取所述目标区域的特征数据；识别处理依次包括以下三个处理：密集连接的卷积网络；单向长短期记忆网络、双向长短期记忆网络、门控循环神经网络或循环神经网络；二维自注意力方法；

对所述特征数据进行识别处理，获取识别信息；

所述特征提取处理依次包括：深度可分离卷积处理、具有线性瓶颈的倒残差结构的深度学习模型、基于squeezeandexcitation结构的轻量级注意力深度学习模型；所述深度可分离卷积处理中卷积的层数范围为10～20层，具有线性瓶颈的倒残差结构的深度学习模型中网络的层数范围为7～15层；

还包括：在进行分类处理之前，对待处理的卡证图像进行6～10次卷积采样；在进行特征提取处理之前，对所述图像进行2～6次卷积采样；整个过程中不对所述待处理的卡证图像进行预处理；

当需要获取的信息还包括目标区域之外的其它卡证辅助信息时，所述方法还包括：预设卡证辅助信息与识别信息的映射关系；根据所述映射关系获取所述识别信息对应的卡证辅助信息；

所述卡证辅助信息是指根据识别出的卡证信息能够推导出的信息，而映射关系是推导依据。

2.如权利要求1所述的方法，其特征在于，所述待处理的卡证图像是身份证图像、银行卡图像、发票图像、工作证图像、学生证图像、护照图像或驾驶证图像。

3.如权利要求1所述的方法，其特征在于，所述分类处理采用的网络包括五层卷积，所述目标区域为待识别的卡证号码区域。

4.如权利要求1所述的方法，其特征在于，还包括：在进行特征提取处理的过程中进行特征融合处理，所述特征融合处理采用空洞卷积方式实现。

5.一种电子设备，包括存储器、处理器及存储在存储器上并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如权利要求1至4中任一项所述的基于深度学习的卡证图像识别方法。

6.一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，该程序被处理器执行时实现如权利要求1至4中任一项所述的基于深度学习的卡证图像识别方法。