1.一种图像的人工智能分类方法，其特征在于，包括：

根据第一组训练图片的父分类类间间距增加的方向对预设分类模型进行训练，获得前序分类模型，包括：将所述第一组训练图片通过所述预设分类模型的输入层输入至所述预设分类模型的卷积层中并进行卷积处理，分别得到多个第一特征向量，通过所述预设分类模型的父分类层获取所述多个第一特征向量，并根据所述多个第一特征向量计算第一损失函数，以及根据所述第一损失函数对所述预设分类模型的卷积层的参数进行更新，增加第一组训练图片中父分类不同的训练图片对应的第一特征向量之间的距离，减小第一组训练图片中父分类相同的训练图片对应的第一特征向量之间的距离，获得前序分类模型；其中，所述父分类类间间距为所述第一组训练图片中父分类不同的训练图片对应的特征向量之间的距离；

根据第二组训练图片的子分类类内间距增加的方向对所述前序分类模型进行训练，获得图像分类模型，包括：将所述第二组训练图片通过所述前序分类模型的输入层输入至所述前序分类模型的卷积层中进行卷积处理，分别得到多个第二特征向量，再根据所述多个第二特征向量，获取多个子分类聚类中心；通过所述前序分类模型的父分类层获取所述多个第二特征向量，并根据父分类对应的第二特征向量，得到第二损失函数，所述多个子分类层分别获取对应的第二特征向量，并根据子分类对应的第二特征向量，得到第三损失函数，所述多个子分类层分别获取对应的第二特征向量，计算多个子分类聚类中心，并根据所述子分类聚类中心，得到第四损失函数，以及根据目标损失函数减小的方向，对所述预设分类模型的参数进行更新，获得图像分类模型；其中，所述目标损失函数分别与所述第二损失函数、所述第三损失函数和所述第四损失函数正相关，所述类内为所述父分类的类内，所述子分类类内间距为第二组训练图片中父分类相同但子分类不同的训练图片对应的特征向量之间的距离；

通过所述图像分类模型对待分类图像进行分类，获得分类结果。

2.根据权利要求1所述的图像的人工智能分类方法，其特征在于，所述根据第二组训练图片的子分类类间间距增加的方向对预设分类模型进行训练，获得图像分类模型，包括：根据所述第二组训练图片，获得多个第二特征向量；

根据所述多个第二特征向量，获取多个子分类聚类中心；

根据所述多个子分类聚类中心的距离增加的方向，对所述预设分类模型的参数进行更新，获得图像分类模型。

3.根据权利要求2所述的图像的人工智能分类方法，其特征在于，所述根据所述多个第二特征向量，获取多个子分类聚类中心，包括：分别确定所述多个第二特征向量对应的父分类；

对父分类相同的第二特征向量进行聚类，得到多个第二特征向量的子分类；

分别计算子分类相同的第二特征向量的平均值，获得多个子分类聚类中心。

4.根据权利要求1所述的图像的人工智能分类方法，其特征在于，所述根据子分类聚类中心，得到第四损失函数，包括：根据多个第二特征向量，获取父分类聚类中心；

根据子分类聚类中心与对应的父分类聚类中心之间的距离，计算得到第四损失函数。

5.根据权利要求1所述的图像的人工智能分类方法，其特征在于，所述第三损失函数为多类别交叉熵损失函数。

6.一种图像分类系统，其特征在于，包括：

第一获取模块，用于根据第一组训练图片的父分类类间间距增加的方向对预设分类模型进行训练，获得前序分类模型，包括：将所述第一组训练图片通过所述预设分类模型的输入层输入至所述预设分类模型的卷积层中并进行卷积处理，分别得到多个第一特征向量，通过所述预设分类模型的父分类层获取所述多个第一特征向量，并根据所述多个第一特征向量计算第一损失函数，以及根据所述第一损失函数对所述预设分类模型的卷积层的参数进行更新，增加第一组训练图片中父分类不同的训练图片对应的第一特征向量之间的距离，减小第一组训练图片中父分类相同的训练图片对应的第一特征向量之间的距离，获得前序分类模型；其中，所述父分类类间间距为所述第一组训练图片中父分类不同的训练图片对应的特征向量之间的距离；

第二获取模块，用于根据第二组训练图片的子分类类内间距增加的方向对所述前序分类模型进行训练，获得图像分类模型，包括：将所述第二组训练图片通过所述前序分类模型的输入层输入至所述前序分类模型的卷积层中进行卷积处理，分别得到多个第二特征向量，再根据所述多个第二特征向量，获取多个子分类聚类中心；通过所述前序分类模型的父分类层获取所述多个第二特征向量，并根据父分类对应的第二特征向量，得到第二损失函数，所述多个子分类层分别获取对应的第二特征向量，并根据子分类对应的第二特征向量，得到第三损失函数，所述多个子分类层分别获取对应的第二特征向量，计算多个子分类聚类中心，并根据所述子分类聚类中心，得到第四损失函数，以及根据目标损失函数减小的方向，对所述预设分类模型的参数进行更新，获得图像分类模型；其中，所述目标损失函数分别与所述第二损失函数、所述第三损失函数和所述第四损失函数正相关，所述类内为所述父分类的类内，所述子分类类内间距为第二组训练图片中父分类相同但子分类不同的训练图片对应的特征向量之间的距离；

分类模块，用于通过所述图像分类模型对待分类图像进行分类，获得分类结果。

7.一种电子设备，包括存储器及处理器，其特征在于，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述的图像的人工智能分类方法的步骤。

8.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上执行时，使得所述计算机执行如权利要求1至5任一项所述的图像的人工智能分类方法的步骤。