1.一種深度學習模型的訓練方法，其特征在于，包括：
2.根據權利要求1所述的深度學習模型的訓練方法，其特征在于，所述誤檢測試樣本包括漏檢樣本和過檢樣本；所述基于本階段的測試集確定所述本階段的已訓練深度學習模型不滿足目標要求，包括：
3.根據權利要求1所述的深度學習模型的訓練方法，其特征在于，所述對所述本階段的測試集中的誤檢測試樣本進行增廣處理，得到增廣樣本，包括：
4.根據權利要求1所述的深度學習模型的訓練方法，其特征在于，所述基于本階段的訓練集對初始深度學習模型進行訓練，包括：
5.根據權利要求4所述的深度學習模型的訓練方法，其特征在于，在本階段的訓練停止條件為所述本階段的初始深度學習模型的正反向傳播訓練的訓練輪次達到本階段的第一目標輪次的情況下，在所述基于本階段的測試集確定所述本階段的已訓練深度學習模型不滿足目標要求之后，所述方法包括：
6.根據權利要求3所述的深度學習模型的訓練方法，其特征在于，在所述基于本階段的訓練集對初始深度學習模型進行訓練之前，所述方法還包括：
7.根據權利要求1-6任一項所述的深度學習模型的訓練方法，其特征在于，所述根據本階段的訓練集、測試集以及所述增廣樣本，獲得下一階段的訓練集和測試集，包括：
8.一種深度學習模型的訓練裝置，其特征在于，包括：
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7任一項所述的深度學習模型的訓練方法。
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-7任一項所述的深度學習模型的訓練方法。