1.一种目标特征提取方法，其特征在于，所述方法包括：

获取待处理的图像；

利用预先训练的网络模型，从所述图像中提取目标特征；其中，所述网络模型为采用数据并行训练方式，利用针对不同训练阶段设置的不同超参分别对多个初始神经网络进行训练得到；

所述网络模型的训练方式，包括：

采用预先设置的同一超参，对多个初始神经网络进行数据并行训练；

在满足预先设定的第一停止条件的情况下，停止对所述多个初始神经网络的训练，得到多个更新神经网络；

在每个不同的训练阶段中，对所述多个更新神经网络进行并行训练，并在每个训练阶段完成后，对该训练阶段训练得到的各神经网络进行精度测试，其中，在每个训练阶段中针对每个更新神经网络设置的超参不同；

在满足预先设定的第二停止条件的情况下，停止对所述多个更新神经网络的并行训练，并根据最后一个训练阶段训练得到的各神经网络中精度最高的神经网络的网络结构，确定最终训练得到的网络模型；

所述在每个不同的训练阶段中，对所述多个更新神经网络进行并行训练，并在每个训练阶段完成后，对该训练阶段训练得到的各神经网络进行精度测试的步骤，包括：在每个训练阶段中，并行地针对每个更新神经网络，采用按照预设规则设置的该更新神经网络对应的超参，对该更新神经网络进行单次训练，得到单次训练后的神经网络；

在每个训练阶段完成后，对每个单次训练后的神经网络进行精度测试，确定该训练阶段训练得到的精度最高的神经网络；

将该训练阶段训练得到的精度最高的神经网络的网络权值拷贝至其他各单次训练后的神经网络；

将各单次训练后的神经网络作为新的更新神经网络，开始下一个训练阶段的并行训练，其中，在除第一个训练阶段外的其他训练阶段中，一个更新神经网络对应的超参被设置为上一个训练阶段得到的精度最高的神经网络对应的超参。

2.根据权利要求1所述的方法，其特征在于，所述预设规则包括：如果该更新神经网络为上一个训练阶段训练得到的精度最高的神经网络，则保持该更新神经网络对应的超参不变；

如果该更新神经网络不为上一个训练阶段训练得到的精度最高的神经网络，则随机设置该更新神经网络对应的超参。

3.根据权利要求2所述的方法，其特征在于，所述随机设置该更新神经网络对应的超参，包括：在指定超参范围内随机设置该更新神经网络对应的超参，其中，所述指定超参范围为根据上一个训练阶段训练得到的精度最高的神经网络对应的超参确定得到的。

4.根据权利要求1‑3任一所述的方法，其特征在于，在所述在每个不同的训练阶段中，对所述多个更新神经网络进行并行训练，并在每个训练阶段完成后，对该训练阶段训练得到的各神经网络进行精度测试之后，所述方法还包括：若已经完成的训练阶段的数量达到预设阈值，则停止对所述多个更新神经网络的并行训练，并根据最后一个训练阶段训练得到的各神经网络中精度最高的神经网络的网络结构，确定最终训练得到的网络模型。

5.根据权利要求1所述的方法，其特征在于，所述对所述多个更新神经网络进行并行训练，包括：利用多个GPU对所述多个更新神经网络进行并行训练，其中，每个GPU用于对一个更新神经网络进行训练。

6.根据权利要求1所述的方法，其特征在于，在所述利用预先训练的网络模型，从所述图像中提取目标特征的步骤之后，所述方法还包括：基于所述目标特征，对所述目标进行识别，得到目标识别结果。

7.一种目标特征提取装置，其特征在于，所述装置包括：

获取模块，用于获取待处理的图像；

特征提取模块，用于利用预先训练的网络模型，从所述图像中提取目标特征；其中，所述网络模型为采用数据并行训练方式，利用针对不同训练阶段设置的不同超参分别对多个初始神经网络进行训练得到；

所述装置还包括：训练模块；

所述训练模块，用于采用预先设置的同一超参，对多个初始神经网络进行数据并行训练；在满足预先设定的第一停止条件的情况下，停止对所述多个初始神经网络的训练，得到多个更新神经网络；在每个不同的训练阶段中，对所述多个更新神经网络进行并行训练，并在每个训练阶段完成后，对该训练阶段训练得到的各神经网络进行精度测试，其中，在每个训练阶段中针对每个更新神经网络设置的超参不同；在满足预先设定的第二停止条件的情况下，停止对所述多个更新神经网络的并行训练，并根据最后一个训练阶段训练得到的各神经网络中精度最高的神经网络的网络结构，确定最终训练得到的网络模型；

所述训练模块，具体用于：

在每个训练阶段中，并行地针对每个更新神经网络，采用按照预设规则设置的该更新神经网络对应的超参，对该更新神经网络进行单次训练，得到单次训练后的神经网络；

在每个训练阶段完成后，对每个单次训练后的神经网络进行精度测试，确定该训练阶段训练得到的精度最高的神经网络；

将该训练阶段训练得到的精度最高的神经网络的网络权值拷贝至其他各单次训练后的神经网络；

将各单次训练后的神经网络作为新的更新神经网络，开始下一个训练阶段的并行训练，其中，在除第一个训练阶段外的其他训练阶段中，一个更新神经网络对应的超参被设置为上一个训练阶段得到的精度最高的神经网络对应的超参。

8.根据权利要求7所述的装置，其特征在于，所述预设规则包括：如果该更新神经网络为上一个训练阶段训练得到的精度最高的神经网络，则保持该更新神经网络对应的超参不变；

如果该更新神经网络不为上一个训练阶段训练得到的精度最高的神经网络，则随机设置该更新神经网络对应的超参。