1.一种深度学习模型的训练方法，包括：

将样本图像输入经预训练的第一深度学习模型，得到第一分类结果，其中，所述样本图像包括所述样本对象，所述第一分类结果包括多个第一类别信息，所述第一类别信息包括所述样本图像中一个像素的类别为所述样本对象的第一概率；

将所述样本图像的样本梯度图像输入经预训练的第二深度学习模型，得到第二分类结果，其中，所述第二分类结果包括多个第二类别信息，所述第二类别信息包括所述样本图像中一个像素的类别为所述样本对象的第二概率；

根据所述第一分类结果和所述第二分类结果，确定融合分类结果，其中，所述融合分类结果包括多个融合类别信息，所述融合类别信息包括所述样本图像中一个像素的类别为所述样本对象的融合概率；

利用所述融合分类结果来标注所述样本图像和所述样本梯度图像，得到已标注样本图像和已标注样本梯度图像；以及利用所述已标注样本图像和所述已标注样本梯度图像，分别训练所述经预训练的第一深度学习模型和所述经预训练的第二深度学习模型。

2.根据权利要求1所述的方法，其中，所述将样本图像输入经预训练的第一深度学习模型，得到第一分类结果包括：将预训练样本图像输入所述第一深度学习模型，得到第三分类结果；以及利用所述第三分类结果与所述预训练样本图像的标签之间的差异值，训练所述第一深度学习模型，得到所述经预训练的第一深度学习模型。

3.根据权利要求1或2所述的方法，其中，所述将所述样本图像的样本梯度图像输入经预训练的第二深度学习模型，得到第二分类结果包括：将预训练样本梯度图像输入所述第二深度学习模型，得到第四分类结果；

利用所述第四分类结果与所述预训练样本梯度图像的标签之间的差异值，训练所述第二深度学习模型，得到所述经预训练的第二深度学习模型。

4.根据权利要求3所述的方法，其中，所述利用所述已标注样本图像和所述已标注样本梯度图像，分别训练所述经预训练的第一深度学习模型和所述经预训练的第二深度学习模型包括：利用所述已标注样本图像和所述预训练样本图像，训练所述经预训练的第一深度学习模型；以及利用所述已标注样本梯度图像和所述预训练样本梯度图像，训练所述经预训练的第二深度学习模型。

5.一种对象识别方法，包括：

将目标图像输入第一深度学习模型，得到目标输出结果；以及

根据所述目标输出结果，识别所述目标图像中的目标对象，

其中，所述第一深度学习模型是根据权利要求1至4中任一项所述的方法训练的。

6.一种深度学习模型的训练装置，包括：

第一获得模块，用于将样本图像输入经预训练的第一深度学习模型，得到第一分类结果，其中，所述样本图像包括所述样本对象，所述第一分类结果包括多个第一类别信息，所述第一类别信息包括所述样本图像中一个像素的类别为所述样本对象的第一概率；

第二获得模块，用于将所述样本图像的样本梯度图像输入经预训练的第二深度学习模型，得到第二分类结果，其中，所述第二分类结果包括多个第二类别信息，所述第二类别信息包括所述样本图像中一个像素的类别为所述样本对象的第二概率；

确定单元，用于根据所述第一分类结果和所述第二分类结果，确定融合分类结果，其中，所述融合分类结果包括多个融合类别信息，所述融合类别信息包括所述样本图像中一个像素的类别为所述样本对象的融合概率；

标注单元，用于利用所述融合分类结果来标注所述样本图像和所述样本梯度图像，得到已标注样本图像和已标注样本梯度图像；以及训练模块，用于利用所述已标注样本图像和所述已标注样本梯度图像，分别训练所述经预训练的第一深度学习模型和所述经预训练的第二深度学习模型。

7.根据权利要求6所述的装置，其中，所述第一获得模块包括：第一获得单元，用于将预训练样本图像输入所述第一深度学习模型，得到第三分类结果；以及第一预训练单元，用于利用所述第三分类结果与所述预训练样本图像的标签之间的差异值，训练所述第一深度学习模型，得到所述经预训练的第一深度学习模型。

8.根据权利要求6或7所述的装置，其中，所述第二获得模块包括：第二获得单元，用于将预训练样本梯度图像输入所述第二深度学习模型，得到第四分类结果；

第二预训练单元，用于利用所述第四分类结果与所述预训练样本梯度图像的标签之间的差异值，训练所述第二深度学习模型，得到所述经预训练的第二深度学习模型。

9.根据权利要求8所述的装置，其中，所述训练模块包括：

第一训练单元，用于利用所述已标注样本图像和所述预训练样本图像，训练所述经预训练的第一深度学习模型；以及第二训练单元，用于利用所述已标注样本梯度图像和所述预训练样本梯度图像，训练所述经预训练的第二深度学习模型。

10.一种对象识别装置，包括：

第三获得模块，用于将目标图像输入第一深度学习模型，得到目标输出结果；以及识别模块，用于根据所述目标输出结果，识别所述目标图像中的目标对象，其中，所述第一深度学习模型是根据权利要求6至9任一项所述的装置训练的。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至5中任一项所述的方法。