1.一种图像识别模型的训练方法，包括：

获取训练数据集，其中，所述训练数据集中包括第一图像集、第二图像集及所述第一图像集中每个第一图像对应的标注结果，其中，所述第二图像集中的每个第二图像为对应的第一图像经过第一变换后生成的；

将任一第一图像及对应的第二图像分别输入初始孪生网络中的第一编码器及第二编码器，以获取所述任一第一图像对应的第一特征图及所述对应的第二图像对应的第二特征图；

将所述第一特征图及所述第二特征图分别输入所述初始孪生网络中的第一解码器及第二解码器，以获取第一预测结果及第二预测结果；

根据所述第二特征图、所述第一特征图、所述第一预测结果、所述第二预测结果及所述任一第一图像对应的标注结果，对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络；

其中，所述对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络，包括：将所述第二特征图进行第二变换，以获取第三特征图，其中，所述第二变换与所述第一变换互为逆变换；

确定所述第三特征图与所述第一特征图间的第一差异；

确定所述第一预测结果与所述任一第一图像对应的标注结果间的第二差异；

确定所述第二预测结果与所述任一第一图像对应的标注结果间的第三差异；

将所述第一差异、所述第二差异及所述第三差异进行融合，以确定损失值；

在所述损失值大于阈值的情况下，基于所述损失值对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络。

2.如权利要求1所述的方法，其中，所述将所述任一第一图像及所述对应的第二图像分别输入初始孪生网络中的第一编码器及第二编码器，包括：根据所述任一第一图像中每个第一像素点的第一坐标值，确定所述第一图像对应的第一位置向量；

根据所述对应的第二图像中每个第二像素点的第二坐标值，确定所述第二图像对应的第二位置向量；

将所述任一第一图像及所述第一位置向量输入所述第一编码器，将所述对应的第二图像及所述第二位置向量输入所述第二编码器。

3.如权利要求1所述的方法，其中，所述获取第一预测结果及第二预测结果，包括：获取所述任一第一图像分别属于各类图像的第一概率，及属于各类图像时对应的第一尺寸偏差值；

获取所述对应的第二图像分别属于各类图像的第二概率，及属于各类图像时对应的第二尺寸偏差值；

根据各个所述第一概率，确定所述任一第一图像所属的第一目标类型；

根据所述任一第一图像属于所述第一目标类型时对应的第一尺寸偏差值及所述第一目标类型对应的第一参考尺寸，确定所述任一第一图像中物体的第一尺寸；

根据各个所述第二概率，确定所述对应的第二图像所属的第二目标类型；

根据所述对应的第二图像属于所述第二目标类型时对应的第二尺寸偏差值及所述第二目标类型对应的第二参考尺寸，确定所述对应的第二图像中物体的第二尺寸。

4.如权利要求3所述的方法，其中，所述标注结果中包括每个第一图像中物体的尺寸及类型，所述方法还包括：根据所述每个第一图像中物体的类型，确定每类图像对应的子图像集，其中，每个子图集中的各个第一图像中的物体类型相同；

根据每个子图像集中的各个第一图像中物体的尺寸，确定每类图像对应的参考尺寸。

5.如权利要求1‑2任一所述的方法，其中，所述标注结果中包括以下至少一项：物体二维检测框的尺寸，物体的尺寸，物体的三维中心点，物体的朝向角以及物体所属的类型。

6.一种图像识别模型的训练装置，包括：

第一获取模块，用于获取训练数据集，其中，所述训练数据集中包括第一图像集、第二图像集及所述第一图像集中每个第一图像对应的标注结果，其中，所述第二图像集中的每个第二图像为对应的第一图像经过第一变换后生成的；

第二获取模块，用于将任一第一图像及对应的第二图像分别输入初始孪生网络中的第一编码器及第二编码器，以获取所述任一第一图像对应的第一特征图及所述对应的第二图像对应的第二特征图；

第三获取模块，用于将所述第一特征图及所述第二特征图分别输入所述初始孪生网络中的第一解码器及第二解码器，以获取第一预测结果及第二预测结果；

训练模块，用于根据所述第二特征图、所述第一特征图、所述第一预测结果、所述第二预测结果及所述任一第一图像对应的标注结果，对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络；

所述训练模块，包括：

变换单元，用于将所述第二特征图进行第二变换，以获取第三特征图，其中，所述第二变换与所述第一变换互为逆变换；

第一确定单元，用于确定所述第三特征图与所述第一特征图间的第一差异；

第二确定单元，用于确定所述第一预测结果与所述任一第一图像对应的标注结果间的第二差异；

第三确定单元，用于确定所述第二预测结果与所述任一第一图像对应的标注结果间的第三差异；

训练单元，用于基于所述第一差异、所述第二差异及所述第三差异，对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络；

所述训练单元，用于：

将所述第一差异、所述第二差异及所述第三差异进行融合，以确定损失值；

在所述损失值大于阈值的情况下，基于所述损失值对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络。

7.如权利要求6所述的装置，其中，所述第二获取模块，用于：根据所述任一第一图像中每个第一像素点的第一坐标值，确定所述第一图像对应的第一位置向量；

根据所述对应的第二图像中每个第二像素点的第二坐标值，确定所述第二图像对应的第二位置向量；

将所述任一第一图像及所述第一位置向量输入所述第一编码器，将所述对应的第二图像及所述第二位置向量输入所述第二编码器。

8.如权利要求6所述的装置，其中，所述第三获取模块，用于：获取所述任一第一图像分别属于各类图像的第一概率，及属于各类图像时对应的第一尺寸偏差值；

获取所述对应的第二图像分别属于各类图像的第二概率，及属于各类图像时对应的第二尺寸偏差值；

根据各个所述第一概率，确定所述任一第一图像所属的第一目标类型；

根据所述任一第一图像属于所述第一目标类型时对应的第一尺寸偏差值及所述第一目标类型对应的第一参考尺寸，确定所述任一第一图像中物体的第一尺寸；

根据各个所述第二概率，确定所述对应的第二图像所属的第二目标类型；

根据所述对应的第二图像属于所述第二目标类型时对应的第二尺寸偏差值及所述第二目标类型对应的第二参考尺寸，确定所述对应的第二图像中物体的第二尺寸。

9.如权利要求8所述的装置，其中，所述标注结果中包括每个第一图像中物体的尺寸及类型，所述装置还包括：第一确定模块，用于根据所述每个第一图像中物体的类型，确定每类图像对应的子图像集，其中，每个子图集中的各个第一图像中的物体类型相同；

第二确定模块，用于根据每个子图像集中的各个第一图像中物体的尺寸，确定每类图像对应的参考尺寸。

10.如权利要求6‑7任一所述的装置，其中，所述标注结果中包括以下至少一项：物体二维检测框的尺寸，物体的尺寸，物体的三维中心点，物体的朝向角以及物体所属的类型。

11.一种电子设备，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1‑5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1‑5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1‑5中任一项所述的方法。