1.一种模型压缩方法，其特征在于，包括：获取测试图像以及待压缩模型；其中，所述待压缩模型中包括多个级联的特征提取层；

每一所述特征提取层对应一过滤器；

将所述测试图像输入至每一所述特征提取层中，通过所述过滤器对所述测试图像进行特征提取，得到多通道特征图；所述多通道特征图中的每一特征通道对应一子特征图；

将所述子特征图转换为视觉特征图，并基于所述视觉特征图中的多个特征值，确定所述子特征图对应的特征通道的重要度；

根据所述特征通道的重要度，确定目标剪枝通道；

对所述目标剪枝通道进行剪枝处理，以得到压缩后的目标模型。

2.如权利要求1所述模型压缩方法，其特征在于，所述基于所述视觉特征图中的多个特征值，确定所述子特征图对应的特征通道的重要度，包括：对所述视觉特征图中的多个特征值进行取均值处理，得到所述视觉特征图对应的第一目标值；其中，所述第一目标值用于指示所述子特征图对应的特征通道的重要度。

3.如权利要求1所述模型压缩方法，其特征在于，所述视觉特征图为多个；每一所述视觉特征图用于表征所述子特征图中不同的视觉特征；所述基于所述视觉特征图中的多个特征值，确定所述子特征图对应的特征通道的重要度，包括：对每一所述视觉特征图中的多个特征值进行取均值处理，得到所述视觉特征图对应的第一目标值；

对多个所述第一目标值进行统计处理，得到第二目标值；其中，所述第二目标值用于指示所述子特征图对应的特征通道的重要度。

4.如权利要求1所述模型压缩方法，其特征在于，所述根据所述特征通道的重要度，确定目标剪枝通道，包括：

获取预设剪枝率，并根据所述预设剪枝率，确定剪枝数量；

对所述特征通道的重要度按照从小到大的顺序排序，将排在前N位的所述重要度对应的特征通道作为所述目标剪枝通道；其中，N为所述剪枝数量。

5.如权利要求1所述模型压缩方法，其特征在于，所述对所述目标剪枝通道进行剪枝处理，以得到压缩后的目标模型，包括：将所述目标剪枝通道对应的通道矩阵与对应的掩码矩阵相乘，以得到所述压缩后的目标模型；其中，所述掩码矩阵与所述通道矩阵的大小一致。

6.如权利要求1所述模型压缩方法，其特征在于，所述对所述目标剪枝通道进行剪枝处理，以得到压缩后的目标模型，包括：去除所述目标剪枝通道，以得到所述压缩后的目标模型。

7.如权利要求1所述模型压缩方法，其特征在于，在所述对所述目标剪枝通道进行剪枝处理，以得到压缩后的目标模型后，所述模型压缩方法还包括：对所述目标模型进行微调，得到更新后的目标模型；

采用TensorRT工具对所述更新后的目标模型进行加速优化处理，得到优化后的目标模型。

8.一种模型压缩装置，其特征在于，包括：数据获取模块，用于获取测试图像以及待压缩模型；其中，所述待压缩模型中包括多个级联的特征提取层；每一所述特征提取层对应一过滤器；

特征提取模块，用于将所述测试图像输入至每一所述特征提取层中，通过所述过滤器对所述测试图像进行特征提取，得到多通道特征图；所述多通道特征图中的每一特征通道对应一子特征图；

重要度确定模块，用于将所述子特征图转换为视觉特征图，并基于所述视觉特征图中的多个特征值，确定所述子特征图对应的特征通道的重要度；

目标剪枝通道确定模块，用于根据所述特征通道的重要度，确定目标剪枝通道；

模型剪枝模块，用于对所述目标剪枝通道进行剪枝处理，以得到压缩后的目标模型。

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任一项所述模型压缩方法的步骤。

10.一种计算机存储介质，所述计算机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任一项所述模型压缩方法的步骤。