1.一种点云分类模型的隐语义分析方法，其特征在于，包括：将点云数据输入至点云分类模型中进行识别处理，以使所述点云分类模型输出所述点云数据对应的分类结果；根据所述分类结果以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值；根据所述点云分类模型在所述识别处理中对所述点云数据的分组信息，确定在所述点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据所述目标神经元组中每一神经元对应的相关性值，确定在所述目标神经元组所属的网络层中与所述目标神经元组对应的分组点云的显著值，所述显著值用于描述在所述网络层的识别过程中对所述分组点云的依赖程度；根据各所述网络层中每一目标神经元组对应的分组点云的显著值，分别生成与各所述网络层相对应的可视化信息；根据所述分类结果以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值，包括：获取相邻网络层的神经元之间的传递权重值；基于所述分类结果、所述传递权重值以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值，其中，所述启动链路中在前的神经元的相关性值与在其之后的相关联的所有神经元的相关性值相关。
2.根据权利要求1所述的方法，其特征在于，基于所述分类结果、所述传递权重值以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值，包括：根据所述分类结果，生成与所述分类结果对应的替换矢量，所述替换矢量包含元素0和1，且元素1的位置与分类结果中目标类别的位置相对应；根据所述替换矢量、所述传递权重值以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值。
3.根据权利要求1所述的方法，其特征在于，根据所述目标神经元组中每一神经元对应的相关性值，确定在所述目标神经元组所属的网络层中与所述目标神经元组对应的分组点云的显著值，包括：根据所述目标神经元组中所有神经元对应的相关性值之和以及所述目标神经元组中神经元的数量，确定所述目标神经元组中所有神经元的相关性值的平均值，以作为在所述目标神经元组所属的网络层中所述目标神经元组对应的分组点云的显著值。
4.根据权利要求1所述的方法，其特征在于，根据各所述网络层中每一目标神经元组对应的分组点云的显著值，分别生成与各所述网络层相对应的可视化信息，包括：根据同一所述网络层中各所述目标神经元组对应的分组点云的显著值所处的阈值区间，确定各所述分组点云对应的颜色信息，以分别生成与各所述网络层相对应的可视化信息。
5.根据权利要求4所述的方法，其特征在于，在根据同一所述网络层中各所述目标神经元组对应的分组点云的显著值所处的阈值区间，确定各所述分组点云对应的颜色信息之前，所述方法还包括：根据同一所述网络层中各所述目标神经元组对应的分组点云的显著值的最大值与最小值之差以及预先设定的区间系数，确定各阈值区间所对应的数值范围。
6.根据权利要求1-5中任一项所述的方法，其特征在于，在根据所述目标神经元组中每一神经元对应的相关性值，确定在所述目标神经元组所属的网络层中与所述目标神经元组对应的分组点云的显著值之前，所述方法还包括：对所述目标神经元组中每一神经元对应的相关性值进行归一化处理。
7.一种点云分类模型的隐语义分析装置，其特征在于，包括：识别模块，用于将点云数据输入至点云分类模型中进行识别处理，以使所述点云分类模型输出所述点云数据对应的分类结果；第一确定模块，用于根据所述分类结果以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值；第二确定模块，用于根据所述点云分类模型在所述识别处理中对所述点云数据的分组信息，确定在所述点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；第三确定模块，用于根据所述目标神经元组中每一神经元对应的相关性值，确定在所述目标神经元组所属的网络层中与所述目标神经元组对应的分组点云的显著值，所述显著值用于描述在所述网络层的识别过程中对所述分组点云的依赖程度；处理模块，用于根据各所述网络层中每一目标神经元组对应的分组点云的显著值，分别生成与各所述网络层相对应的可视化信息；根据所述分类结果以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值，包括：获取相邻网络层的神经元之间的传递权重值；基于所述分类结果、所述传递权重值以及所述点云分类模型在所述识别处理中各神经元的启动值，按照所述识别处理中所述神经元之间的启动链路反向确定各所述神经元与所述分类结果之间的相关性值，其中，所述启动链路中在前的神经元的相关性值与在其之后的相关联的所有神经元的相关性值相关。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的点云分类模型的隐语义分析方法。
9.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的点云分类模型的隐语义分析方法。
