1.一种知识产权图形识别中增强分类模型抗背景变化能力的方法，其特征在于，包括以下步骤：消去背景的第二原始数据集和替换背景的第三原始数据集是由候选背景集和第一原始数据集通过处理算法处理得到；增强后的第四原始数据集是由第一原始数据集和替换背景的第三原始数据集联合后得到；消去背景的第二原始数据集和增强后的第四原始数据集成对的输入用来进行模型训练；

所述的模型训练，将增强后的第四原始数据集样本以及与该样本中的前景相对应的所述消去背景的第二原始数据集样本成对的作为输入送入模型；

所述的模型训练中，模型网络由第一分支和第二分支两个部分组成，两个分支的损失相加构成整个模型网络的分支，单个输入样本损失构成如下：Ltotal＝λ1Lid+λ2Lre

其中，λ1和λ2为加权系数，yi为所述第四原始数据集样本和第二原始数据集样本对应的真实标签， 为所述模型预测出的标签，zi为所述对应的第二原始数据集样本， 为所述第一分支抽取出的最终特征解码后的样本；CrossEntropy()为交叉熵损失函数，MSE()为均方差损失函数；

所述的第一分支，输入为增强后的第四原始数据集样本，抽取出最终特征后，将该最终特征送入全连接层获得最终分类结果；

所述的第二分支，输入为增强后的第四原始数据集样本中的前景相对应的消去背景的第二原始数据集样本，并将最终特征进行解码，得到解码后样本，并将解码后样本与消去背景的第二原始数据集样本进行重构损失的计算。

2.根据权利要求1所述的一种知识产权图形识别中增强分类模型抗背景变化能力的方法，其特征在于，所述候选背景集是由用户设置的与第一原始数据集中的样本的背景存在一定差异的背景图片所组成。

3.根据权利要求1所述的一种知识产权图形识别中增强分类模型抗背景变化能力的方法，其特征在于，所述处理算法具体过程为：处理后得到的第二原始数据集中样本背景皆被消去；处理后得到的第三原始数据集中新的背景来自所述候选背景集；第三原始数据集由消去背景的第二原始数据集和背景数据集合成而来。

4.根据权利要求1所述的一种知识产权图形识别中增强分类模型抗背景变化能力的方法，其特征在于，所述的模型训练中，第一分支输入的批样本由所述增强后的第四原始数据集中采样得到，所述第二分支输入的批样本由所述第一分支输入的批样本中的每张样本在消去背景的第二原始数据集中的对应样本组成。

5.根据权利要求4所述的一种知识产权图形识别中增强分类模型抗背景变化能力的方法，其特征在于，两个分支的样本在送入模型进行训练之前，经过完全一致的数据增强处理。