1.一种基于增量学习的多模态通专模型自演进方法，其特征在于，所述方法包括：接收当前目标任务和当前所述目标任务对应的多模态数据，基于所述目标任务确定执行所述目标任务对应的已训练的目标通专模型，所述目标通专模型中包括目标通用模型和目标专用模型，其中，所述多模态数据包括图像数据、文本数据和音频数据中的至少两项；通过所述目标通用模型提取多模态数据的数据特征，得到多模态数据特征，通过所述目标专用模型处理多模态数据特征和所述多模态数据，得到所述目标任务对应的目标结果；获取历史多模态数据对应的历史多模态数据特征，基于历史多模态数据特征、当前多模态数据和目标结果更新已训练的目标通专模型的通专模型参数；按照预设监测周期监测已训练的目标通专模型的性能指标，若当前预设监测周期对应的所述性能指标不满足预设性能指标，按照预设调整方式调整已训练的所述目标通专模型，所述预设调整方式包括调整已训练的所述目标通专模型的结构和/或调整所述通专模型参数对应的更新频率。
2.根据权利要求1所述的方法，其特征在于，在所述接收当前目标任务和当前所述目标任务对应的多模态数据之后，还包括：对当前所述目标任务对应的多模态数据进行数据清洗，得到清洗多模态数据；将所述清洗多模态数据映射至预设尺度范围内，得到已归一化的所述多模态数据。
3.根据权利要求1所述的方法，其特征在于，所述目标专用模型中还包括融合机制；所述通过所述目标专用模型处理多模态数据特征和所述多模态数据，得到所述目标任务对应的目标结果，包括：通过所述目标专用模型处理所述多模态数据特征和所述多模态数据，得到专用特征；基于所述融合机制确定所述多模态数据特征和当前所述目标任务的通用相关性指标、所述专用特征和当前所述目标任务的专用相关性指标，基于所述通用相关性指标和所述专用相关性指标，确定所述多模态数据特征对应的通用权重和所述专用特征对应的专用权重；基于所述通用权重和所述专用权重，融合所述多模态数据特征和所述专用特征，得到所述目标任务对应的目标结果。
4.根据权利要求1所述的方法，其特征在于，所述基于历史多模态数据特征、当前多模态数据和目标结果更新已训练的目标通专模型的通专模型参数，包括：对于当前所述多模态数据，接收当前所述目标结果的反馈结果，基于所述反馈结果修正所述目标结果，得到已修正的所述目标结果；通过预设损失函数确定已修正的所述目标结果和所述目标结果之间的损失值，基于所述损失值确定当前所述目标通专模型的梯度值，以确定所述目标通专模型的通专模型参数的更新方向；接收预设学习率，基于优化算法、所述梯度值、所述历史多模态数据特征和所述预设学习率更新所述通专模型参数。
5.根据权利要求4所述的方法，其特征在于，所述接收预设学习率，基于优化算法、所述梯度值、所述历史多模态数据特征和所述预设学习率更新所述通专模型参数，包括：从预设记忆库中提取所述历史多模态数据特征，将所述历史多模态数据特征作为所述预设损失函数的正则化项，更新所述损失值和所述梯度值；接收预设学习率，基于优化算法、已更新的所述梯度值和所述预设学习率，更新所述通专模型参数，并基于当前所述多模态数据特征更新所述预设记忆库中的所述历史多模态数据特征。
6.根据权利要求1所述的方法，其特征在于，在所述按照预设监测周期监测已训练的目标通专模型的性能指标之后，还包括：在所述性能指标满足预设性能指标的情况下，监测所述性能指标在多个连续所述预设监测周期内的变化趋势；若所述性能指标在连续预设周期数的所述预设监测周期内均满足所述预设性能指标的情况下，停止所述目标通专模型的自演进过程，保存当前所述目标通专模型的所述通专模型参数；若所述性能指标未在连续预设周期数的所述预设监测周期内均满足所述预设性能指标的情况下，按照预设调整方式调整已训练的所述目标通专模型。
7.一种基于增量学习的多模态通专模型自演进系统，其特征在于，所述系统包括：第一处理模块，用于接收当前目标任务和当前所述目标任务对应的多模态数据，基于所述目标任务确定执行所述目标任务对应的已训练的目标通专模型，所述目标通专模型中包括目标通用模型和目标专用模型，其中，所述多模态数据包括图像数据、文本数据和音频数据中的至少两项；第二处理模块，用于通过所述目标通用模型提取多模态数据的数据特征，得到多模态数据特征，通过所述目标专用模型处理多模态数据特征和所述多模态数据，得到所述目标任务对应的目标结果；更新模块，用于获取历史多模态数据对应的历史多模态数据特征，基于历史多模态数据特征、当前多模态数据和目标结果更新已训练的目标通专模型的通专模型参数；调整模块，用于按照预设监测周期监测已训练的目标通专模型的性能指标，若当前预设监测周期对应的所述性能指标不满足预设性能指标，按照预设调整方式调整已训练的所述目标通专模型，所述预设调整方式包括调整已训练的所述目标通专模型的结构和/或调整所述通专模型参数对应的更新频率。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述的一种基于增量学习的多模态通专模型自演进方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6任一项所述的一种基于增量学习的多模态通专模型自演进方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的一种基于增量学习的多模态通专模型自演进方法的步骤。
