1.一种神经网络的融合方法，所述方法包括：

确定搜索空间，其中，所述搜索空间用于从多个候选神经网络中选取进行特征融合的至少两个候选神经网络并确定特征融合方式；

获取所述搜索空间的搜索参数的参数值，包括：获取参数值确定模型，所述参数值确定模型用于对于每轮次搜索，对每个所述搜索参数确定一个参数值；将各个所述搜索参数的候选参数值，输入所述参数值确定模型，生成输出值，其中，所述输出值包括每轮次搜索对应的、搜索参数的参数值，所述搜索参数包括每轮次搜索对应的候选神经网络；

采用所述参数值，在所述搜索空间中搜索所述至少两个候选神经网络，包括：基于每轮次搜索对应的参数值，利用所述每轮次搜索对应的候选神经网络检测图像，并对生成的图像特征进行特征融合，生成融合结果；确定所述融合结果对应的检测结果的检测效果，并基于所述检测效果，确定所述至少两个候选神经网络，其中，每轮次搜索采用与该轮次搜索相对应的参数值；

将搜索到所述至少两个候选神经网络的轮次所对应的参数值中，与特征融合关联的参数值作为所述特征融合方式。

2.根据权利要求1所述的方法，其中，所述检测效果包括检测耗时和/或检测精度；

所述基于所述检测效果，确定所述至少两个候选神经网络，包括：确定各轮次搜索对应的检测效果中，是否存在预设效果范围内的检测效果；

若不存在，则更新获取到的参数值，利用更新后的参数值，在所述搜索空间中继续搜索，并确定所述至少两个候选神经网络。

3.根据权利要求2所述的方法，其中，所述方法还包括：

获取基于所述检测效果训练所述参数值确定模型所得到的训练后的参数值确定模型；以及所述若不存在，则更新获取到的参数值，包括：

若不存在，则将各个所述搜索参数的候选参数值，输入所述训练后的参数值确定模型，生成新的输出值，将获取到的参数值更新为所述新的输出值。

4.根据权利要求1-3之一所述的方法，其中，所述搜索参数还包括以下至少一项：搜索轮次数、每轮次搜索对应的特征融合算法、融合后的特征的维度。

5.一种神经网络的融合装置，所述装置包括：

空间确定单元，被配置成确定搜索空间，其中，所述搜索空间用于从多个候选神经网络中选取进行特征融合的至少两个候选神经网络并确定特征融合方式；

获取单元，被配置成获取所述搜索空间的搜索参数的参数值，进一步被配置成按照如下方式执行所述获取所述搜索空间的搜索参数的参数值：获取参数值确定模型，其中，所述参数值确定模型用于对于每轮次搜索，对每个所述搜索参数确定一个参数值；将各个所述搜索参数的候选参数值，输入所述参数值确定模型，生成输出值，其中，所述输出值包括每轮次搜索对应的、搜索参数的参数值，所述搜索参数包括每轮次搜索对应的候选神经网络；

搜索单元，被配置成采用所述参数值，在所述搜索空间中搜索所述至少两个候选神经网络，进一步被配置成按照如下方式执行所述采用所述参数值，在所述搜索空间中搜索所述至少两个候选神经网络：基于每轮次搜索对应的参数值，利用所述每轮次搜索对应的候选神经网络检测图像，并对生成的图像特征进行特征融合，生成融合结果；确定所述融合结果对应的检测结果的检测效果，并基于所述检测效果，确定所述至少两个候选神经网络，其中，每轮次搜索采用与该轮次搜索相对应的参数值；

方式确定单元，被配置成将搜索到所述至少两个候选神经网络的轮次所对应的参数值中，与特征融合关联的参数值作为所述特征融合方式。

6.根据权利要求5所述的装置，其中，所述检测效果包括检测耗时和/或检测精度；

所述搜索单元，进一步被配置成按照如下方式执行所述基于所述检测效果，确定所述至少两个候选神经网络：确定各轮次搜索对应的检测效果中，是否存在预设效果范围内的检测效果；

若不存在，则更新获取到的参数值，利用更新后的参数值，在所述搜索空间中继续搜索，并确定所述至少两个候选神经网络。

7.根据权利要求6所述的装置，其中，所述装置还包括：

模型获取单元，被配置成获取基于所述检测效果训练所述参数值确定模型所得到的训练后的参数值确定模型；以及所述搜索单元，进一步被配置成按照如下方式执行所述若不存在，则更新获取到的参数值：若不存在，则将各个所述搜索参数的候选参数值，输入所述训练后的参数值确定模型，生成新的输出值，将获取到的参数值更新为所述新的输出值。

8.根据权利要求5-7之一所述的装置，其中，所述搜索参数还包括以下至少一项：搜索轮次数、每轮次搜索对应的特征融合算法、融合后的特征的维度。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。