1.一种卷积神经网络特征即CNN特征的处理方法，用于对将原始图像输入具有N层卷积和降采样的卷积神经网络所获得的M个特征图进行处理，其中M、N均为整数并且M≥1、N≥1，其特征在于，包括：
恢复各所述M个特征图在所述原始图像上的空间信息，以获得所述原始图像中的各元素对各所述M个特征图的贡献度；
基于所获得的贡献度计算各所述M个特征图在所述原始图像上的分布；
根据所述M个特征图各自在所述原始图像上的分布，提取与所述原始图像中的各元素对应的M维向量；
针对所述原始图像中的关注区域，将该关注区域内的所有元素的M维向量相加，以得到与所述关注区域对应的M维向量作为该关注区域的区域描述子。
2.根据权利要求1所述的CNN特征的处理方法，其特征在于，所述基于所获得的贡献度计算各所述M个特征图在所述原始图像上的分布包括：将所获得的贡献度分别按元素乘以所述原始图像，以得到各所述M个特征图在所述原始图像上的分布。
3.根据权利要求2所述的CNN特征的处理方法，其特征在于，恢复各所述M个特征图在所述原始图像上的空间信息，包括针对每一特征图分别执行如下步骤：
从K等于N开始，依次根据所述特征图在第K层特征图上的分布重建出所述特征图在第K-1层特征图上的分布，其中K为整数并且0＜K≤N，所述特征图在第0层特征图上的分布表示所述特征图在所述原始图像上的空间信息；
并且，根据所述特征图在第K层特征图上的分布重建出所述特征图在第K-1层特征图上的分布包括：
对所述特征图在第K层特征图上的分布进行去降采样，以得到所述特征图在第K层特征图上的去降采样分布；
获取所述去降采样分布中的每一关注元素及所述每一关注元素的值；
分别针对每一关注元素执行以下操作：确定关注元素对应的第K-1层特征图中的区域；将所述第K-1层特征图中的该区域内的元素置为与所述关注元素的值相对应的值，并将除该区域之外的其它区域中的元素置为非关注元素的值；就赋值后的所述第K-1层特征图中的所述关注元素对应的区域按元素乘以设定权重以得到所述关注元素在第K-1层特征图上的子分布；其中所述设定权重根据预存储的从第K-1层特征图通过卷积运算得到第K层特征图时所采用的卷积核生成；
将所有关注元素各自在第K-1层特征图上的子分布进行叠加以生成所述特征图在第K-1层特征图上的分布。
4.根据权利要求1至3中任一项所述的CNN特征的处理方法，其特征在于，还包括：
将从所述原始图像划分出的X个图像块的所述区域描述子按照预定编码规则进行编码，其中X为整数并且X≥1；
根据所述编码规则对X个所述区域描述子进行映射，以得到用于描述所述原始图像的图像描述子。
5.根据权利要求4所述的CNN特征的处理方法，其特征在于，所述预定编码规则为K均值聚类算法。
6.一种卷积神经网络特征即CNN特征的处理装置，用于对将原始图像输入具有N层卷积和降采样的卷积神经网络所获得的M个特征图进行处理，其中M、N均为整数并且M≥1、N≥1，其特征在于，包括：
空间信息恢复模块，被配置为恢复各所述M个特征图在所述原始图像上的空间信息，以获得所述原始图像中的各元素对各所述M个特征图的贡献度；
分布计算模块，与所述空间信息恢复模块连接，被配置为基于所获得的贡献度计算各所述M个特征图在所述原始图像上的分布；
特征提取模块，与所述分布计算模块连接，被配置为根据所述M个特征图各自在所述原始图像上的分布，提取与所述原始图像中的各元素对应的M维向量；
区域描述子提取模块，与所述特征提取模块连接，被配置为针对所述原始图像中的关注区域，将该关注区域内的所有元素的M维向量相加，以得到与所述关注区域对应的M维向量作为该关注区域的区域描述子。
7.根据权利要求6所述的CNN特征的处理装置，其特征在于，所述分布计算模块被配置为将所获得的贡献度分别按元素乘以所述原始图像，以得到各所述M个特征图在所述原始图像上的分布。
8.根据权利要求7所述的CNN特征的处理装置，其特征在于，所述空间信息恢复模块被配置为针对每一特征图分别执行如下步骤：
从K等于N开始，依次根据所述特征图在第K层特征图上的分布重建出所述特征图在第K-1层特征图上的分布，其中K为整数并且0＜K≤N，所述特征图在第0层特征图上的分布表示所述特征图在所述原始图像上的空间信息；
并且，所述空间信息恢复模块包括：
去降采样单元，被配置为对所述特征图在第K层特征图上的分布进行去降采样，以得到所述特征图在第K层特征图上的去降采样分布；
重建单元，与所述去降采样单元连接，并且被配置为，获取所述去降采样分布中的每一关注元素及所述每一关注元素的值；分别针对每一关注元素执行以下操作：确定关注元素对应的第K-1层特征图中的区域；将所述第K-1层特征图中的该区域内的元素置为与所述关注元素的值相对应的值，并将除该区域之外的其它区域中的元素置为非关注元素的值；就赋值后的所述第K-1层特征图中的所述关注元素对应的区域按元素乘以设定权重以得到 所述关注元素在第K-1层特征图上的子分布；其中所述设定权重根据预存储的从第K-1层特征图通过卷积运算得到第K层特征图时所采用的卷积核生成；
加法单元，与所述重建单元以及所述去降采样单元连接，被配置为将通过所述重建单元获得的所有关注元素各自在第K-1层特征图上的子分布进行叠加，并将相加所得到的结果作为所述特征图在第K-1层特征图上的分布输出至所述去降采样单元。
9.根据权利要求6至8中任一项所述的CNN特征的处理装置，其特征在于，还包括：
编码模块，被配置为将从所述原始图像划分出的X个图像块的所述区域描述子按照预定编码规则进行编码，其中X为整数并且X≥1；
映射模块，与所述编码模块连接，被配置为根据所述编码规则对X个所述区域描述子进行映射，以得到用于描述所述原始图像的图像描述子。
10.根据权利要求9所述的CNN特征的处理装置，其特征在于，所述预定编码规则为K均值聚类算法。