1.一种特征提取网络的训练方法，其特征在于，所述方法包括：
获得图像训练集，所述图像训练集包括同一目标的两种模态的图像；
将所述图像训练集输入到所述特征提取网络，以得到每一目标的两种模态的图像特征；
利用每个目标的两种模态的图像特征的差异计算损失；
在损失减小的方向，更新所述特征提取网络的参数。
2.根据权利要求1所述的训练方法，其特征在于，所述在损失减小的方向，更新所述特征提取网络的参数，包括：
利用损失梯度反向传播更新所述特征提取网络的参数。
3.根据权利要求2所述的训练方法，其特征在于，两种模态包括第一模态和第二模态，所述将所述图像训练集输入到所述特征提取网络，以得到每一目标的两种模态的图像特征，之后包括：
将至少一个目标的第一模态的图像特征输入到第一图像分类器；基于所述第一图像分类器的分类结果，并利用梯度反向传播算法确定所述特征提取网络的第一组参数；
将至少一个目标的第二模态的图像特征输入到第二图像分类器；基于所述第二图像分类器的分类结果，并利用梯度反向传播算法确定所述特征提取网络的第二组参数；
所述利用损失梯度反向传播更新所述特征提取网络的参数，包括：利用损失梯度反向传播确定所述特征提取网络的第三组参数；
将所述特征提取网络的第一组参数、第二组参数和第三组参数进行加权处理，得到所述特征提取网络的最终参数。
4.根据权利要求3所述的训练方法，其特征在于，所述将所述图像训练集输入到所述特征提取网络，以得到每一目标的两种模态的图像特征，之后包括：
将每一目标的两种模态的图像特征连接，得到每一目标的融合特征；
将至少一个目标的融合特征输入到第三图像分类器；基于所述第三图像分类器的分类结果，并利用梯度反向传播算法确定所述特征提取网络的第四组参数；
所述将所述特征提取网络的第一组参数、第二组参数和第三组参数进行加权处理，得到所述特征提取网络的最终参数，包括：
将所述特征提取网络的第一组参数、第二组参数、第三组参数和第四组参数进行加权处理，得到所述特征提取网络的最终参数。
5.根据权利要求1所述的训练方法，其特征在于，所述两种模态的图像选自可见光图像、深度图像、红外图像、素描图像和3d图像中的两种。
6.根据权利要求1所述的训练方法，其特征在于，所述利用每个目标的两种模态的图像特征的差异计算损失，包括：
计算每个目标的两种模态的图像特征的欧式距离；
利用至少一个目标对应的欧式距离计算损失。
7.一种图像的特征提取方法，其特征在于，所述方法包括：
获取待提取特征的图像；
将所述待提取特征的图像输入至特征提取网络；其中，所述特征提取网络是采用权利要求1至6任一项所述的方法训练得到的；
通过所述特征提取网络提取所述待提取特征的图像的特征。
8.一种图像搜索方法，其特征在于，所述方法包括：
获取待搜索图像；
将所述待搜索图像输入至特征提取网络；以得到所述待搜索图像的特征；其中，所述特征提取网络是采用权利要求1至6任一项所述的方法训练得到的；
确定所述待搜索图像的特征与数据库中各图像的特征的差异；
根据所述差异确定与所述待搜索图像相似的图像，得到图像搜索结果。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如权利要求1-8中任一项所述方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。