1.一种图像分类模型的训练方法，其特征在于，所述方法包括：

获取被标注的样本数据集中被标注的样本图像，获取未被标注的样本数据集中未被标注的样本图像；

计算所述未被标注的样本图像与图像分类模型的分类层输出的其中一类图像原型之间的相似熵值；

获取第一目标函数和第二目标函数，并根据所述第一目标函数和所述第二目标函数确定目标损失函数；

当计算的所述相似熵值大于预设值时，对于被标注的样本图像选用第一目标函数对所述图像分类模型的特征提取层的第一参数进行训练，对于未被标注的样本图像选用第二目标函数对所述图像分类模型的特征提取层的第一参数进行训练；

当计算的所述相似熵值小于预设值时，对于被标注的样本图像选用第一目标函数对所述图像分类模型的分类层的第二参数进行训练，对于未被标注的样本图像选用第二目标函数对所述图像分类模型的分类层的第二参数进行训练；

交替对所述第一参数和所述第二参数进行训练，直至所述目标损失函数的梯度小于预设值时，将所述第一参数的取值作为所述特征提取层的目标参数，将所述第二参数的取值作为所述分类层的目标参数。

2.根据权利要求1所述的图像分类模型的训练方法，其特征在于，所述获取第一目标函数和第二目标函数，并根据所述第一目标函数和所述第二目标函数确定目标损失函数的步骤包括：通过以下公式计算所述目标损失函数

其中，所述H表示所述目标损失函数，H1表示所述第一目标函数，H2表示所述第二目标函数，当所述相似熵值大于0时所述H2的符号为正，当所述相似熵值小于0时所述H2的符号为负。

3.根据权利要求2所述的图像分类模型的训练方法，其特征在于，所述第一目标函数为：其中， 表示所述被标注的样本图像x被预测为第i类图像原型的预测结果，σ表示预先设置的值， 表示图像x为第i类图像原型的真实值，n表示所述图像原型的总类数。

4.根据权利要求3所述的图像分类模型的训练方法，其特征在于，获取所述被标注的样本图像x被预测为第i类图像原型的预测结果的步骤包括：通过所述图像分类模型的特征提取层对所述被标注的样本图像的第一特征进行提取；

将提取的所述第一特征输入至所述分类层进行分类，得到所述被标注的样本图像被预测为第i类图像原型的预测结果。

5.根据权利要求2所述的图像分类模型的训练方法，其特征在于，所述第二目标函数为：其中，n表示所述图像原型的总类数， 表示样本图像x被预测为第k类图像原型的概率，E表示训练的数据批大小的平均值。

6.根据权利要求5所述的图像分类模型的训练方法，其特征在于，所述计算所述未被标注的样本图像与图像分类模型的分类层输出的其中一类图像原型之间的相似熵值的步骤包括：通过所述特征提取层对所述未被标注的样本图像的第二特征进行提取；

将所述第二特征输入至所述分类层，得到所述样本图像被预测为第k类图像原型的概率；

将所述概率带入所述第二目标函数，通过所述第二目标函数计算所述未被标注的样本图像与分类层输出的相似熵值。

7.根据权利要求1所述的图像分类模型的训练方法，其特征在于，在所述计算所述未被标注的样本图像与分类层输出的图像原型之间的相似熵值的步骤之前，所述方法还包括：对所述被标注的样本图像的灰度值进行非线性操作，使得所述被标注的样本图像的输出灰度值与原始灰度值呈指数关系；

对所述未被标注的样本图像的灰度值进行非线性操作，使得所述未被标注的样本图像的输出灰度值与原始灰度值呈指数关系。

8.一种图像分类模型的训练装置，其特征在于，所述装置包括：

样本图像获取模块，用于获取被标注的样本数据集中被标注的样本图像，获取未被标注的样本数据集中未被标注的样本图像；

相似熵值计算模块，用于计算所述未被标注的样本图像与图像分类模型的分类层输出的其中一类图像原型之间的相似熵值；

函数获取模块，用于获取第一目标函数和第二目标函数，并根据所述第一目标函数和所述第二目标函数确定目标损失函数；

第一训练模块，用于当计算的所述相似熵值大于预设值时，对于被标注的样本图像选用第一目标函数对所述图像分类模型的特征提取层的第一参数进行训练，对于未被标注的样本图像选用第二目标函数对所述图像分类模型的特征提取层的第一参数进行训练；

第二训练模块，用于当计算的所述相似熵值小于预设值时，对于被标注的样本图像选用第一目标函数对所述图像分类模型的分类层的第二参数进行训练，对于未被标注的样本图像选用第二目标函数对所述图像分类模型的分类层的第二参数进行训练；

目标参数获取模块，用于交替对所述第一参数和所述第二参数进行训练，直至所述目标损失函数的梯度小于预设值时，将所述第一参数的取值作为所述特征提取层的目标参数，将所述第二参数的取值作为所述分类层的目标参数。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至

7中任一项所述图像分类模型的训练方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述图像分类模型的训练方法的步骤。