技术特征：
1.一种用于鉴别的模型的训练方法，其特征在于，包括：获取包含对应待鉴别物品的至少一个鉴别点的图像区域的训练样本图像；利用目标检测模型对所述训练样本图像进行处理，获取目标检测结果；利用所述目标检测结果训练分类模型，以输出所述鉴别点对应的待鉴别物品的部位的分类结果以及真伪鉴别结果。2.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述目标检测模型为语义分割模型。3.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型中的至少部分卷积计算使用空洞卷积。4.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型中的至少部分卷积计算使用可变形卷积。5.根据权利要求2所述的用于鉴别的模型的训练方法，其特征在于，所述语义分割模型包括deeplab v1、deeplab v2、deeplab v3、或deeplab v3+。6.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述真伪鉴别结果是利用分类模型获取的；所述分类模型包含多任务模型，所述多任务模型通过不同任务获取所述鉴别点对应的物品部位的分类结果以及真伪鉴别结果。7.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述分类模型用于在获取真伪鉴别结果的计算过程中对所述目标检测结果进行不同层次的特征提取，以得到不同层次的特征图；其中，层次越低的特征图与所述目标检测结果越接近。8.根据权利要求1或6所述的用于鉴别的模型的训练方法，其特征在于，所述分类结果是根据高于预设层次的特征图得到的；和/或，所述真伪鉴别结果是根据至少一第一特征图和至少一第二特征图连接形成的至少一第三特征图得到的；其中，所述第一特征图的层次低于所述第二特征图。9.根据权利要求8所述的用于鉴别的模型的训练方法，其特征在于，所述第一特征图和第二特征图是根据提取自所述分类模型的不同层次的特征图得到的。10.根据权利要求8所述的用于鉴别的模型的训练方法，其特征在于，所述第一特征图及第二特征图是在相同尺寸的情况下进行连接的。11.根据权利要求10所述的用于鉴别的模型的训练方法，其特征在于，所述目标检测结果训练分类模型以输出所述待鉴别物品的真伪鉴别结果的步骤还包括：令所述第一特征图缩小至与第二特征图尺寸相同的步骤；或者，令第二特征图放大至与第二特征图尺寸相同的步骤。12.根据权利要求10所述的用于鉴别的模型的训练方法，其特征在于，所述缩小和/或放大的方法包括：双线性插值法、双三次插值法、近邻插值法、区域关系重采样法、或lanczos插值法。13.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，还包括如下步骤：对所述机器学习模型训练以在其一或多个损失函数的约束下更新所述分类模型的模型参数；其中，所述一或多个损失函数用于约束所述真伪鉴别结果与预期数据的差异、所述分类结果与预期数据的差异、或所述所述真伪鉴别结果和分类结果与预期数据的差异。14.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述分类模型包
括xception、resnet、se-net、或dpn-net。15.根据权利要求1所述的用于鉴别的模型的训练方法，其特征在于，所述待鉴别物品包括奢侈品包、鞋、或具有背透的手表。16.一种鉴别方法，其特征在于，包括：获取包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；利用分类模型对经语义分割处理所述图像得到的目标检测结果进行鉴别；根据所述分类模型对目标检测结果的真伪鉴别结果输出所述待鉴别物品的真伪鉴别结果。17.根据权利要求16所述的鉴别方法，其特征在于，还包括输出所述鉴别点对应的待鉴别物品的部位的分类结果的步骤。18.根据权利要求16所述的鉴别方法，其特征在于，所述真伪鉴别结果由真伪属性和/或评估分数来表征。19.根据权利要求16所述的鉴别方法，其特征在于，所述语义分割处理中的至少部分卷积计算使用空洞卷积。20.根据权利要求16所述的鉴别方法，其特征在于，执行所述语义分割处理的语义分割模型包括deeplab v1、deeplab v2、deeplab v3、或deeplab v3+。21.根据权利要求16所述的鉴别方法，其特征在于，所述语义分割处理中的至少部分卷积计算使用可变形卷积。22.根据权利要求16所述的鉴别方法，其特征在于，所述真伪鉴别结果是利用分类模型获取的；所述分类模型包含多任务模型，所述多任务模型通过不同任务获取所述真伪鉴别结果、以及获取鉴别点对应的物品部位的分类结果。23.根据权利要求16所述的鉴别方法，其特征在于，所述分类模型用于在获取真伪鉴别结果的计算过程中对所述目标检测结果进行不同层次的特征提取，以得到不同层次的特征图；其中，层次越低的特征图与所述目标检测结果越接近。24.根据权利要求17或23所述的鉴别方法，其特征在于，所述分类结果是根据高于预设层次的特征图得到的；和/或，所述真伪鉴别结果是根据至少一第一特征图和至少一第二特征图连接形成的至少一第三特征图得到的；其中，所述第一特征图的层次低于所述第二特征图。25.根据权利要求24所述的鉴别方法，其特征在于，所述第一特征图和第二特征图是根据提取自所述分类模型的不同层次的特征图得到的。26.根据权利要求24所述的鉴别方法，其特征在于，所述第一特征图及第二特征图是在相同尺寸的情况下进行连接的。27.根据权利要求26所述的鉴别方法，其特征在于，包括：令所述第一特征图缩小至与第二特征图尺寸相同；或者，令第二特征图升放大至与第二特征图尺寸相同。28.根据权利要求27所述的鉴别方法，其特征在于，所述缩小和/或放大的方法包括：双线性插值法、双三次插值法、近邻插值法、区域关系重采样法、或lanczos插值法。29.根据权利要求16所述的鉴别方法，其特征在于，所述分类模型包括xception、resnet、se-net、或dpn-net。30.根据权利要求16所述的鉴别方法，其特征在于，所述待鉴别物品包括奢侈品包、鞋、
或具有背透的手表。31.一种鉴别方法，其特征在于，包括：获取包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；利用一分类模型对所述图像的特征进行鉴别，以输出所述待鉴别物品的真伪鉴别结果；其中，所述分类模型包括多任务模型，所述多任务模型通过不同任务获取所述真伪鉴别结果、以及所述鉴别点对应的待鉴别物品的部位的分类结果。32.一种机器学习模型的训练系统，其特征在于，包括：获取模块，用于获取包含对应待鉴别物品的至少一个鉴别点的图像区域的训练样本图像；处理模块，用于利用目标检测模型对所述训练样本图像进行处理，获取目标检测结果；训练模块，用于利用所述目标检测结果训练分类模型，以输出所述鉴别点对应的待鉴别物品的部位的分类结果以及真伪鉴别结果。33.一种鉴别系统，其特征在于，包括：获取模块，用于获取包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；输出模块，用于利用一分类模型对所述图像的特征进行鉴别，以输出所述待鉴别物品的真伪鉴别结果；其中，所述分类模型包括多任务模型，所述多任务模型通过不同任务获取所述真伪鉴别结果、以及所述鉴别点对应的待鉴别物品的部位的分类结果。34.一种鉴别系统，其特征在于，包括：获取模块，用于获取包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；鉴别模块，用于利用分类模型对经语义分割处理所述图像得到的目标检测结果进行鉴别；输出模块，用于根据所述分类模型对目标检测结果的真伪鉴别结果输出所述待鉴别物品的真伪鉴别结果。35.一种电子设备，其特征在于，包括：获取装置，用于获取包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；存储装置，用于存储程序代码；一个或多个处理装置，用于调用所述存储装置中存储的程序代码来执行如权利要求1-15中任一项所述的用于鉴别的模型的训练方法。36.一种电子设备，其特征在于，包括：拍摄装置，用于获取拍摄的包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；存储装置，用于存储程序代码；一个或多个处理装置，用于调用所述存储装置中存储的程序代码来执行如权利要求16-31中任一项所述的鉴别方法。37.一种客户端，装载于一电子设备中，其特征在于，包括：输入模块，用于接收到用户输入的鉴别指令时，调用所述电子设备预先存储的或调用所述电子设备拍摄的包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；处理模块，调用所述电子设备中存储的程序代码来执行如权利要求16-31中任一项所述的鉴别方法；
显示模块，显示输出所述待鉴别物品的真伪鉴别结果和/或所述鉴别点对应的待鉴别物品的部位的分类结果。38.根据权利要求37所述的客户端，其特征在于，所述显示模块还用于显示所述真伪鉴别结果的真伪属性和/或评估分数。39.根据权利要求37所述的客户端，其特征在于，所述显示模块还用于显示依据用户的输入获得的鉴定报告。40.一种服务器，其特征在于，包括：接收装置，用于接收包含对应待鉴别物品的至少一个鉴别点的图像区域的图像；存储装置，用于存储程序代码；一个或多个处理装置，用于调用所述存储装置中存储的程序代码来执行如权利要求16-31中任一项所述的鉴别方法，以获得所述待鉴别物品的真伪鉴别结果和/或所述鉴别点对应的待鉴别物品的部位的分类结果；发送装置，用于将所述真伪鉴别结果和/或分类结果发送给至少一个电子设备或装载于一电子设备中的客户端，以令其显示对应所述真伪鉴别结果的真伪属性和/或对应所述分类结果的评估分数。41.一种计算机可读存储介质，其特征在于，存储有至少一程序，所述至少一程序在被调用时执行并实现如权利要求1-15中任一所述的用于鉴别的模型的训练方法。42.一种计算机可读存储介质，其特征在于，存储有至少一程序，所述至少一程序在被调用时执行并实现如权利要求16-31中任一所述的鉴别方法。