1.一种用于目标对象的目标操作任务补偿的神经网络的训练方法，其特征在于，包括：获取正在被熨烫设备的熨烫滚轴熨烫的布匹的当前图像和先前图像；

将所述当前图像和先前图像分别通过卷积神经网络，以获得对应于所述当前图像的当前特征图和对应于所述先前图像的先前特征图；

将当前特征图通过预先训练好的第一分类器，以获得所述当前特征图归属于平整度标签的第一概率值，其中，所述第一分类器为用于基于特征图进行平整度分类的分类器；

将所述当前特征图和所述先前特征图相乘以获得动态特征图；

将所述动态特征图通过所述第一分类器，以获得所述动态特征图归属于平整度标签的第二概率值；

计算所述第一概率值与第二概率值的差值，以获得用于表示平整度的动态变化梯度的目标损失函数值；

将所述当前特征图通过第二分类器，以获得分类损失函数值，其中，所述第二分类器为用于对熨烫设备是否停止工作进行分类的分类器；以及基于所述分类损失函数值和所述目标损失函数值，更新所述卷积神经网络和所述第二分类器的参数。

2.根据权利要求1所述的用于目标对象的目标操作任务补偿的神经网络的训练方法，其中，所述第一分类器的训练过程，包括：获取训练图像，所述训练图像为被熨烫的布匹的图像；

将所述训练图像通过卷积神经网络，以获得训练特征图；

将所述训练特征图通过所述第一分类器，以获得分类损失函数值；以及以预设步长减小所述分类损失值，并通过梯度下降的反向传播来更新所述第一分类器的参数。

3.根据权利要求1所述的用于目标对象的目标操作任务补偿的神经网络的训练方法，其中，所述当前图像与所述先前图像之间具有预设时间间隔。

4.根据权利要求1所述的用于目标对象的目标操作任务补偿的神经网络的训练方法，其中，将所述当前特征图通过第二分类器，以获得分类损失函数值，包括：将所述当前特征图通过一个或多个全连接层，以获得分类特征向量；

将所述分类特征向量输入Softmax分类函数，以获得分类结果；以及将所述分类结果和真实值输入交叉熵损失函数，以获得所述分类损失函数值。

5.根据权利要求1所述的用于目标对象的目标操作任务补偿的神经网络的训练方法，其中，所述卷积神经网络为深度残差网络。

6.一种基于深度神经网络的熨烫设备智能控制方法，其特征在于，包括：获取待检测的正在被熨烫设备的熨烫滚轴熨烫的布匹的当前图像；

将所述图像输入根据如权利要求1到5中任意一项所述的用于目标对象的目标操作任务补偿的神经网络的训练方法所训练的卷积神经网络和分类器，所述分类器的输出为表示对应于熨烫设备应该停止工作的第一概率和熨烫设备不应该停止工作的第二概率；以及基于所述第一概率和所述第二概率确定是否应该停止熨烫设备工作。

7.一种用于目标对象的目标操作任务补偿的神经网络的训练系统，其特征在于，包括：图像获取单元，用于获取正在被熨烫设备的熨烫滚轴熨烫的布匹的当前图像和先前图像；

特征图生成单元，用于将所述图像获取单元获得的所述当前图像和先前图像分别通过卷积神经网络，以获得对应于所述当前图像的当前特征图和对应于所述先前图像的先前特征图；

第一概率值生成单元，用于将所述特征图生成单元获得的所述当前特征图通过预先训练好的第一分类器，以获得所述当前特征图归属于平整度标签的第一概率值，其中，所述第一分类器为用于基于特征图进行平整度分类的分类器；

动态特征图生成单元，用于将所述特征图生成单元获得的所述当前特征图和所述先前特征图相乘以获得动态特征图；

第二概率值生成单元，用于将所述动态特征图生成单元获得的所述动态特征图通过所述第一分类器，以获得所述动态特征图归属于平整度标签的第二概率值；

目标损失函数值计算单元，用于计算所述第一概率值生成单元获得的所述第一概率值与第二概率值生成单元获得的所述第二概率值的差值，以获得用于表示平整度的动态变化梯度的目标损失函数值；

分类损失函数值生成单元，用于将所述特征图生成单元获得的所述当前特征图通过第二分类器，以获得分类损失函数值，其中，所述第二分类器为用于对熨烫设备是否停止工作进行分类的分类器；以及

参数更新单元，用于基于所述分类损失函数值生成单元获得的所述分类损失函数值和所述目标损失函数值计算单元获得的所述目标损失函数值，更新所述卷积神经网络和所述第二分类器的参数。

8.根据权利要求7所述的用于目标对象的目标操作任务补偿的神经网络的训练系统，其中，所述分类损失函数值生成单元，包括：分类特征向量生成子单元，用于将所述当前特征图通过一个或多个全连接层，以获得分类特征向量；

分类结果生成子单元，用于将所述分类特征向量生成子单元获得的所述分类特征向量输入Softmax分类函数，以获得分类结果；以及计算子单元，用于将所述分类结果生成子单元获得的所述分类结果和真实值输入交叉熵损失函数，以获得所述分类损失函数值。

9.一种基于深度神经网络的熨烫设备智能控制系统，其特征在于，包括：待检测图像获取单元，用于获取待检测的正在被熨烫设备的熨烫滚轴熨烫的布匹的当前图像；

分类单元，用于将所述待检测图像获取单元获得的所述图像输入根据如权利要求1到5中任意一项所述的用于目标对象的目标操作任务补偿的神经网络的训练方法所训练的卷积神经网络和分类器，所述分类器的输出为表示对应于熨烫设备应该停止工作的第一概率和熨烫设备不应该停止工作的第二概率；以及控制结果生成单元，用于基于所述分类单元获得的所述第一概率和所述第二概率生成是否控制熨烫设备停止工作的控制结果。

10.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1‑5中任一项所述的用于目标对象的目标操作任务补偿的神经网络的训练方法或者如权利要求6所述的基于深度神经网络的熨烫设备智能控制方法。