1.一种小样本商品图像分类方法，其特征在于，包括如下步骤：获取目标商品图像；

将所述目标商品图像与支持集图像输入至训练好的商品分类模型，得到该商品图像与所述支持集图像中每个图像之间的相似度，其中，所述商品分类模型包括嵌入模块和度量模块，所述嵌入模块包括相互连接的第一卷积层和第一ECA层，所述度量模块包括相互连接的第二卷积层和全连接层；

根据最大的所述相似度，得到该目标商品的类别。

2.根据权利要求1所述的一种小样本商品图像分类方法，其特征在于：所述度量模块还包括第二ECA层，所述第二ECA层设置于所述第二卷积层和所述全连接层之间。

3.根据权利要求2所述的一种小样本商品分类方法，其特征在于，将所述目标商品图像与所述支持集图像输入至训练好的商品分类模型，得到所述商品图像与所述支持集图像中每个图像之间的相似度，包括：将所述目标商品图像与所述支持集图像输入至所述第一卷积层，得到所述目标商品图像与所述支持集图像的第一特征图；

将所述第一特征图输入至所述第一ECA层，得到进一步提取特征后的所述第一特征图的第二特征图；

对所述目标商品图像的第二特征图与每个所述支持集图像的第二特征图进行拼接，得到第三特征图；

将所述第三特征图输入至所述第二卷积层，提取第三特征图的特征；

将所述第二卷积层的输出结果输入至所述第二ECA层，进行进一步的特征提取；

将所述第二ECA层的输出结果输入至所述全连接层，得到该商品图像与所述支持集图像中每个图像之间的相似度。

4.根据权利要求3所述的一种小样本商品图像分类方法，其特征在于，所述商品分类模型的训练过程包括：

获取查询集图像和训练集图像；

将所述查询集图像与所述训练集图像输入至所述第一卷积层，提取所述查询集图像与所述训练集图像的特征；

将第一卷积层的输出结果输入至第一ECA层，进一步提取所述查询集图像与所述训练集图像的特征；

将提取到的查询集图像和训练集图像的特征进行拼接，得到拼接图像；

将所述拼接图像输入至所述第二卷积层，提取所述拼接图像的特征；

将所述第二卷积层的输出结果输入至所述第二ECA层，进行进一步的特征提取；

将所述第二ECA层的输出结果输入至所述全连接层，得到该查询集图像与所述训练集图像中每个图像之间的相似度。

5.根据权利要求4所述的一种小样本商品图像分类方法，其特征在于，所述商品分类模型的训练过程还包括：

通过损失函数来提高训练过程精度，所述损失函数为：其中，为支持集和查询集图像的集合，φ为拼接图像的集合，m为查询集的个数，n为支持集的个数，ri,j表示支持集和查询集图片的相似度，yi与yj代表支持集与查询集图片的真实标签。

6.一种小样本商品图像分类装置，其特征在于，该装置包括：图像获取模块，用于获取目标商品图像、查询集图像和支持集图像；

相似度判断模块，用于将所述目标商品图像与支持集图像输入至训练好的商品分类模型，得到该商品图像与所述支持集图像中每个图像之间的相似度，其中，所述商品分类模型包括嵌入模块和度量模块，所述嵌入模块包括相互连接的第一卷积层和第一ECA层，所述度量模块包括相互连接的第二卷积层和全连接层；

商品类别获取模块，用于根据最大的所述相似度，得到该目标商品的类别。

7.根据权利要求6所述的一种小样本商品图像分类装置，其特征在于：所述度量模块还包括第二ECA层，所述第二ECA层设置于所述第二卷积层和所述全连接层之间。

8.根据权利要求7所述的一种小样本商品图像分类装置，其特征在于，所述相似度判断模块包括：

第一输入单元，用于将所述目标商品图像与所述支持集图像输入至所述第一卷积层，得到所述目标商品图像与所述支持集图像的第一特征图；

第二输入单元，用于将所述第一特征图输入至所述第一ECA层，得到进一步提取特征后的所述第一特征图的第二特征图；

第一拼接单元，用于对所述目标商品图像的第二特征图与每个所述支持集图像的第二特征图进行拼接，得到第三特征图；

第三输入单元，用于将所述第三特征图输入至所述第二卷积层，提取第三特征图的特征；

第四输入单元，用于将所述第二卷积层的输出结果输入至所述第二ECA层，进行进一步的特征提取；

第五输入单元，用于将所述第二ECA层的输出结果输入至所述全连接层，得到该商品图像与所述支持集图像中每个图像之间的相似度。

9.一种设备，其特征在于，包括：处理器及存储器，所述存储器存储有可被处理器调用的程序；

其中，所述处理器执行所述程序时，实现如权利要求1‑5中任意一项所述的小样本商品图像分类方法。

10.一种计算机可读存储介质，所述计算机可读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1‑5任一项所述方法的步骤。