1.一种基于关系网络的图像分类方法，其特征在于：包括如下步骤：获取目标图像；

将所述目标图像与支持集图像输入至训练好的图像分类模型，得到该目标图像与所述支持集图像中每个类别图像之间的相似度；其中，所述图像分类模型包括嵌入模块和度量模块，所述嵌入模块为随机深度网络，所述度量模块包括相互连接的卷积层和全连接层；

根据最大的所述相似度，得到该目标图像的类别。

2.根据权利要求1所述的一种基于关系网络的图像分类方法，其特征在于，将所述目标图像与支持集图像输入至训练好的图像分类模型，得到该目标图像与所述支持集图像中每个类别图像之间的相似度，包括：将所述目标图像与所述支持集图像输入至所述随机深度网络，提取所述目标图像与所述支持集图像的特征；

对提取到的所述目标图像的特征和所述支持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卷积层，进一步提取所述拼接图像的特征；

将所述提取到的拼接图像的特征输入至所述全连接层，得到所述目标图像与所述支持集图像中每个类别图像之间的相似度。

3.根据权利要求2所述的一种基于关系网络的图像分类方法，其特征在于，提取所述目标图像与所述支持集图像的特征，包括：通过生存概率产生的规则随机丢弃所述目标图像和所述支持集图像的冗余层；

获取所述目标图像的特征图 和所述支持集图像的特征图 其中xj是目标图像，xi是支持集图像。

4.根据权利要求3所述的一种基于关系网络的图像分类方法，其特征在于，得到该目标图像与所述支持集图像中每个图像之间的相似度，包括：通过分析获取到的所述拼接图像的特征，得到目标图像和支持集图像中每个类别图像之间的匹配度，过程如公式1所示；

其中， 为支持集图像特征图， 为目标图像特征图，ri,j代表了目标图像和支持集图像类别的相似度，C为支持集类别图像的个数，产生C个相似度。

5.根据权利要求3所述的一种小样本图像分类方法，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随机深度网络，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；

将随机深度网络的输出结果输入至所述卷积层中，进一步提取所述查询集图像与所述训练集图像的特征；

将所述卷积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。

6.一种基于关系网络的图像分类装置，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，用于将所述目标图像与支持集图像输入至训练好的图像分类模型，得到该目标图像与所述支持集图像中每个图像之间的相似度。

图像分类模块，用于根据所述相似度的大小，得到该目标图像的类别。

7.根据权利要求6所述的一种基于关系网络的图像分类装置，其特征在于，所述相似度判断模块包括：

第一输入单元，用于将所述目标图像与所述支持集图像输入至所述随机深度网络，提取所述目标图像与所述支持集图像的特征；

第一拼接单元，用于对提取到的所述目标图像的特征和所述支持集图像的特征进行拼接，得到拼接图像；

第二输入单元，用于将所述拼接图像输入至所述第一卷积层，进一步提取所述拼接图像的特征；

第三输入单元，用于将所述提取到的拼接图像的特征输入至所述全连接层，得到所述目标图像与所述支持集图像中每个图像之间的相似度。

8.根据权利要求7所述的一种基于关系网络的图像分类装置，其特征在于：还包括训练模块，用于将查询集图像和支持集图像输入至图像分类模型进行训练，得到与图像分类模型对应的图像分类模型集，采用图像分类模型，对查询集图像进行分类识别。

9.一种电子设备，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中任意一项所述的图像处理方法。

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。