1.一种模型训练方法，包括：

获取多个样本图像，其中，所述样本图像中包含有面部区域；

确定所述样本图像所包含面部区域的表情特征，并基于所述表情特征对所述多个样本图像进行分类，得到至少两个样本集，其中，不同所述样本集中样本图像的表情特征不同；

至少基于所述样本集中样本图像的数量，确定针对所述样本集的采样概率；

基于所述采样概率从所述样本集中抽取样本图像作为训练样本，并至少利用所述训练样本对表情识别模型进行训练。

2.根据权利要求1所述的方法，其中，在所述表情识别模型的全连接层之后设置有第一损失函数，用于确定所述全连接层输出的特征信息的损失值；所述第一损失函数中表征各类表情特征的参数的权重与所述采样概率相关联。

3.根据权利要求1或2所述的方法，其中，所述表情识别模型的最后一层卷积层之后设置有第二损失函数，用于确定所述最后一层卷积层输出的特征信息的损失值。

4.根据权利要求3所述的方法，其中，所述第二损失函数中表征各类表情特征的参数对应设置有权重，所述第二损失函数中表征各类表情特征的参数的权重与所述采样概率相关联。

5.根据权利要求1所述的方法，其中，所述至少基于所述样本集中样本图像的数量，确定针对所述样本集的采样概率，包括：基于所述样本集中样本图像的数量与所有所述样本图像的总数量之比，得到所述样本集占所有样本图像的比值；

基于所述比值来确定针对所述样本集的采样概率。

6.根据权利要求1所述的方法，其中，所述至少利用所述训练样本对表情识别模型进行训练，包括：对所述训练样本的表情特征进行标注；

至少将标注处理后的所述训练样本输入至所述表情识别模型，以进行模型训练。

7.一种表情识别方法，包括：

获取待进行表情识别的面部图像；

将所述面部图像输入至表情识别模型后，输出与所述面部图像相匹配的表情特征；其中，所述表情识别模型为权利要求1至6任一项所述的方法训练后所得到的。

8.一种模型训练装置，包括：

样本图像获取单元，用于获取多个样本图像，其中，所述样本图像中包含有面部区域；

分类处理单元，用于确定所述样本图像所包含面部区域的表情特征，并基于所述表情特征对所述多个样本图像进行分类，得到至少两个样本集，其中，不同所述样本集中样本图像的表情特征不同；

采样概率确定单元，用于至少基于所述样本集中样本图像的数量，确定针对所述样本集的采样概率；

模型训练单元，用于基于所述采样概率从所述样本集中抽取样本图像作为训练样本，并至少利用所述训练样本对表情识别模型进行训练。

9.根据权利要求8所述的装置，其中，在所述表情识别模型的全连接层之后设置有第一损失函数，用于确定所述全连接层输出的特征信息的损失值；所述第一损失函数中表征各类表情特征的参数的权重与所述采样概率相关联。

10.根据权利要求8或9所述的装置，其中，所述表情识别模型的最后一层卷积层之后设置有第二损失函数，用于确定所述最后一层卷积层输出的特征信息的损失值。

11.根据权利要求10所述的装置，其中，所述第二损失函数中表征各类表情特征的参数对应设置有权重，所述第二损失函数中表征各类表情特征的参数的权重与所述采样概率相关联。

12.根据权利要求8所述的装置，其中，所述采样概率确定单元，包括：计算子单元，用于基于所述样本集中样本图像的数量与所有所述样本图像的总数量之比，得到所述样本集占所有样本图像的比值；

确定子单元，用于基于所述比值来确定针对所述样本集的采样概率。

13.根据权利要求8所述的装置，其中，所述模型训练单元，包括：标注子单元，用于对所述训练样本的表情特征进行标注；

模型训练子单元，用于至少将标注处理后的所述训练样本输入至所述表情识别模型，以进行模型训练。

14.一种表情识别装置，包括：

待处理图像确定单元，用于获取待进行表情识别的面部图像；

表情识别单元，用于将所述面部图像输入至表情识别模型后，输出与所述面部图像相匹配的表情特征；其中，所述表情识别模型为权利要求1至6任一项所述的方法训练后所得到的。

15.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法；或者，执行权利要求7所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法；或者，执行权利要求7所述的方法。