技术特征：
1.一种目标物识别方法，其特征在于，所述方法包括：解析用户基于客户端发出的目标物识别请求，获取所述请求携带的待识别图像，对所述待识别图像执行尺度归一化处理，得到第一图像；将所述第一图像输入至训练好的图像分割模型，分割得到含有目标物和背景的第二图像，对所述第二图像执行背景弱化处理；将背景弱化处理得到的图像输入至训练好的图像识别模型，得到目标物识别结果，将所述目标物识别结果反馈给所述客户端。2.如权利要求1所述的目标物识别方法，其特征在于，所述图像分割模型的训练过程包括：从图像库中抽取第一数量的携带第一标注的第一样本，得到第一样本集；对所述第一样本集执行数据增强处理，得到第二样本集；将所述第二样本集输入所述图像分割模型进行训练，通过最小化第一损失函数和第二损失函数调整所述图像分割模型的模型参数，得到训练好的图像分割模型。3.如权利要求2所述的目标物识别方法，其特征在于，所述对所述第一样本集执行数据增强处理，得到第二样本集，包括：将所述第一样本集中第二数量的图像样本随机旋转预设角度，得到第三图像集；对所述第一样本集中第三数量的图像样本执行模糊处理，得到第四图像集；对所述第一样本集中第四数量的图像样本执行光照增强处理，得到第五图像集；将所述第一样本集中第五数量的图像样本随机裁剪为不同尺寸的图像，得到第六图像集；将所述第一、第三、第四、第五及第六图像集中的图像样本汇总，并将汇总得到的图像样本中的每张图像样本修正为预设尺寸的图像，得到第二样本集。4.如权利要求2所述的目标物识别方法，其特征在于，所述第一损失函数的计算公式为：其中，h为第一损失值，p
ij
为第二样本集中第i个样本中的第j个像素点的真实值，q
ij
为第二样本集中第i个样本中的第j个像素点的预测值，e为第二样本集中样本的总数量，f为第二样本集中第i个样本中像素点的总数量；所述第二损失函数的计算公式为：其中，s为第二损失值，α、β为常数，且α+β＝1，(tp)
i
为第二样本集中第i个样本的预测目标物区域预测正确的像素点总数量，(fp)
i
为第二样本集中第i个样本的预测目标物区域预测错误的像素点总数量，(fn)
i
为第二样本集中第i个样本的真实目标物区域被预测错误的像素点总数量，e为第二样本集中样本的总数量。
5.如权利要求1-4任一项所述的目标物识别方法，其特征在于，所述对所述第二图像执行背景弱化处理，包括；若所述第二图像中有一个目标物，则将所述第二图像中所述目标物的区域以外的区域用预设像素值替换，得到目标图像；若所述第二图像中有多个目标物，则按照目标物的数量对所述第二图像进行复制，得到初始图像集，分别将所述多个目标物中的每个目标物的区域作为所述初始图像集中一张图像的目标区域，将每张图像中所述目标区域以外的区域用预设像素值替换，得到目标图像集。6.如权利要求1所述的目标物识别方法，其特征在于，所述图像识别模型的训练过程，包括：从所述图像库中抽取第六数量的携带第二标注的第二样本，得到第七样本集；将所述第七样本集输入至所述训练好的图像分割模型，得到第八样本集；对所述第八样本集执行数据增强处理，得到第九样本集；将所述第九样本集输入所述图像识别模型进行训练，通过最小化第三损失函数确定所述图像识别模型的模型参数，得到训练好的图像识别模型。7.一种目标物识别装置，其特征在于，所述装置包括：解析模块，用于解析用户基于客户端发出的目标物识别请求，获取所述请求携带的待识别图像，对所述待识别图像执行尺度归一化处理，得到第一图像；分割模块，用于将所述第一图像输入至训练好的图像分割模型，分割得到含有目标物和背景的第二图像，对所述第二图像执行背景弱化处理；识别模块，用于将背景弱化处理得到的图像输入至训练好的图像识别模型，得到目标物识别结果，将所述目标物识别结果反馈给所述客户端。8.如权利要求7所述的目标物识别装置，其特征在于，所述对所述第二图像执行背景弱化处理，包括；若所述第二图像中有一个目标物，则将所述第二图像中所述目标物的区域以外的区域用预设像素值替换，得到目标图像；若所述第二图像中有多个目标物，则按照目标物的数量对所述第二图像进行复制，得到初始图像集，分别将所述多个目标物中的每个目标物的区域作为所述初始图像集中一张图像的目标区域，将每张图像中所述目标区域以外的区域用预设像素值替换，得到目标图像集。9.一种电子设备，其特征在于，所述电子设备包括：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目标物识别程序，所述目标物识别程序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如权利要求1至6中任一项所述的目标物识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有目标物识别程序，所述目标物识别程序可被一个或者多个处理器执行，以实现如权利要求1至6任一项所述的目标物识别方法。