1.一种图像样本的选择方法，其特征在于，所述方法包括：获取图像样本数据集，以及所述图像样本数据集对应的类别数据集，其中，所述图像样本数据集包括多个待选择的初始图像样本，所述类别数据集包括多个已知类别信息；从不同特征维度对所述初始图像样本执行特征提取操作，得到对应的图像特征；计算不同特征维度下的所述图像特征与各所述已知类别信息匹配的后验概率值，并根据所述后验概率值对所述初始图像样本的所属类别进行预测，得到多个预测类别信息；统计指示不同所属类别的所述预测类别信息得到图像证据信息，当所述图像证据信息的数值超过预设的第一阈值时，确定对应的所述初始图像样本为目标图像样本。
2.根据权利要求1所述的方法，其特征在于，所述计算不同特征维度下的所述图像特征与各所述已知类别信息匹配的后验概率值，包括：基于每一所述初始图像样本对应的所有所述图像特征，计算表征所述初始图像样本的特征平均表达的特征均值，并计算表征各所述图像特征和所述特征均值之间差异的特征方差值；基于预设第一常值和所述特征方差值，计算得到第一乘值，并基于预设第二常值、所述特征均值和所述特征方差值，计算得到第二乘值；基于所述第一乘值、所述第二乘值和预设第三常值，计算得到表征所述图像特征与各所述已知类别信息匹配的后验概率值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述后验概率值对所述初始图像样本的所属类别进行预测，得到多个预测类别信息，包括：基于所述图像特征的多个所述后验概率值，确定数值最大的所述后验概率值对应的所述已知类别信息为所述初始图像样本在当前特征维度下的预测类别信息；基于各所述图像特征对应的所述预测类别信息，得到多个所述预测类别信息。
4.根据权利要求1所述的方法，其特征在于，在所述计算不同特征维度下的所述图像特征与各所述已知类别信息匹配的后验概率值之后，还包括：获取预先设定的先验概率值，所述先验概率值用于表征事先约定的所述初始图像样本属于任一所述已知类别信息的概率大小；计算所述先验概率值和所述后验概率值之间的乘积，得到第一概率值；根据所述第一概率值对所述初始图像样本的所属类别进行预测，得到多个预测类别信息；统计指示不同所属类别的所述预测类别信息得到图像证据信息，当所述图像证据信息的数值超过预设的第二阈值时，确定对应的所述初始图像样本为目标图像样本。
5.根据权利要求4所述的方法，其特征在于，在获取预先设定的先验概率值之后，还包括：获取预先设定的全概率值，所述全概率值用于表征事先约定的所述初始图像样本中包括各所述图像特征的概率大小总和；计算所述第一概率值和所述全概率值之间的比值，得到第二概率值；根据所述第二概率值对所述初始图像样本的所属类别进行预测，得到多个预测类别信息；统计指示不同所属类别的所述预测类别信息得到图像证据信息，当所述图像证据信息的数值超过预设的第三阈值时，确定对应的所述初始图像样本为目标图像样本。
6.根据权利要求1所述的方法，其特征在于，在所述统计指示不同所属类别的所述预测类别信息得到图像证据信息之后，还包括：基于各所述图像证据信息的数值大小，从大至小依次选择对应的所述初始图像样本；直至选择的所述初始图像样本的数量达到预设的数量阈值时，得到所述目标图像样本。
7.根据权利要求1所述的方法，其特征在于，在所述确定对应的所述初始图像样本为目标图像样本之后，还包括：获取待训练的目标模型，并为所述目标图像样本添加训练标签；基于带有所述训练标签的所述目标图像样本对所述目标模型进行训练，得到训练后的所述目标模型。
8.一种图像样本的选择装置，其特征在于，所述装置包括：获取模块，用于获取图像样本数据集，以及所述图像样本数据集对应的类别数据集，其中，所述图像样本数据集包括多个待选择的初始图像样本，所述类别数据集包括多个已知类别信息；特征提取模块，用于从不同特征维度对所述初始图像样本执行特征提取操作，得到对应的图像特征；预测模块，用于计算不同特征维度下的所述图像特征与各所述已知类别信息匹配的后验概率值，并根据所述后验概率值对所述初始图像样本的所属类别进行预测，得到多个预测类别信息；目标图像样本确定模块，用于统计指示不同所属类别的所述预测类别信息得到图像证据信息，当所述图像证据信息的数值超过预设的第一阈值时，确定对应的所述初始图像样本为目标图像样本。
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，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图像样本的选择方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的图像样本的选择方法。
