1.一种图像样本分类标注方法，其特征在于，包括：

从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；

从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；

利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；

重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。

2.根据权利要求1所述的图像样本分类标注方法，其特征在于，所述从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型之前，还包括：利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型。

3.根据权利要求2所述的图像样本分类标注方法，其特征在于，所述利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型之前，还包括：对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集。

4.根据权利要求3所述的图像样本分类标注方法，其特征在于，所述对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集之后，还包括：对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集。

5.根据权利要求4所述的图像样本分类标注方法，其特征在于，所述对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集，包括：利用一种或多种变换增强方法并基于预设图像增强系数对所述样本图像数据集中的每一个类别的子样本图像进行扩充，以得到扩充后的样本图像数据集。

6.根据权利要求1至5任一项所述的图像样本分类标注方法，其特征在于，所述利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，包括：选取一个目标分类类别，从上一目标图像标注模型输出的图像样本集中确定出与所述目标分类类别对应的目标图像样本集，并利用所述当前目标图像标注模型对所述目标图像样本集进行标注并分类。

7.根据权利要求1所述的图像样本分类标注方法，其特征在于，所述重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集，包括：重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直至每一目标分类类别中的图像样本数量达到预设图像样本数量，并输出相应的分类标注后的图像样本集。

8.一种图像样本分类标注装置，其特征在于，包括：

第一分类标注模块，用于从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；

模型确定模块，用于从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；

第二分类标注模块，用于利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；

样本获取模块，用于重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。

9.一种电子设备，其特征在于，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的图像样本分类标注方法的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的图像样本分类标注方法的步骤。