1.一种图像处理方法，其特征在于，包括：对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据；

通过所述第一待学习数据对预设的待训练模型进行训练，获得训练后的神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据，包括：分别对所述待处理图像中的有效信息与无效信息进行标注；

通过预设的对抗网络对标注后的所述待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据。

3.根据权利要求2所述的方法，其特征在于，所述通过预设的对抗网络对标注后的所述待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据，包括：通过生成器对标注后的所述待处理图像中的有效信息进行提取；

通过判别器判断所述生成器提取的有效信息与真实有效信息的相似度是否小于预设的阈值；

若是，则获得只包含有效信息的第一待学习数据；

若否，则返回执行通过生成器对标注后的所述待处理图像中的有效信息进行提取的步骤，直至所述生成器提取的有效信息与真实有效信息的相似度小于预设的阈值。

4.根据权利要求2所述的方法，其特征在于，所述分别对所述待处理图像中的有效信息与无效信息进行标注，包括：通过预设的向量转换模型对所述待处理图像进行处理，获得所述待处理图像对应的特征向量；

分别对所述特征向量中的有效信息与无效信息进行标注。

5.根据权利要求1所述的方法，其特征在于，所述对待处理图像中的有效信息进行提取，获得只包含有效信息的待学习数据之后，还包括：在所述第一待学习数据上随机添加不同的噪声，获得包含多种不同背景的第二待学习数据；

通过所述第二待学习数据对预设的待训练模型进行训练，获得训练后的神经网络模型。

6.一种图像处理方法，其特征在于，包括：接收待识别图像；

通过神经网络模型对所述待识别图像进行识别，所述神经网络模型是利用权利要求1-

5中任一项所述的图像处理方法训练获得的。

7.一种图像处理装置，其特征在于，包括：提取模块，用于对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据；

第一训练模块，用于通过所述第一待学习数据对预设的待训练模型进行训练，获得训练后的神经网络模型。

8.根据权利要求7所述的装置，其特征在于，所述提取模块包括：标注单元，用于分别对所述待处理图像中的有效信息与无效信息进行标注；

提取单元，用于通过预设的对抗网络对标注后的所述待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据。

9.根据权利要求8所述的装置，其特征在于，所述提取单元包括：提取子单元，用于通过生成器对标注后的所述待处理图像中的有效信息进行提取；

判别子单元，用于通过判别器判断所述生成器提取的有效信息与真实有效信息的相似度是否小于预设的阈值；

获取子单元，用于若是，则获得只包含有效信息的第一待学习数据；

循环子单元，用于若否，则返回执行通过生成器对标注后的所述待处理图像中的有效信息进行提取的步骤，直至所述生成器提取的有效信息与真实有效信息的相似度小于预设的阈值。

10.根据权利要求8所述的装置，其特征在于，所述标注单元包括：向量转换子单元，用于通过预设的向量转换模型对所述待处理图像进行处理，获得所述待处理图像对应的特征向量；

标注子单元，用于分别对所述特征向量中的有效信息与无效信息进行标注。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：噪声添加模块，用于在所述第一待学习数据上随机添加不同的噪声，获得包含多种不同背景的第二待学习数据；

第二训练模块，用于将所述第二待学习数据添加至预设的神经网络模型中进行学习。

12.一种图像处理装置，其特征在于，包括：接收模块，用于接收待识别图像；

识别模块，用于通过所述神经网络模型对所述待识别图像进行识别，所述神经网络模型是利用权利要求1-5中任一项所述的图像处理方法训练获得的。

13.一种图像处理设备，其特征在于，包括：存储器，处理器；

存储器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为由所述处理器执行如权利要求1-5中任一项所述的图像处理方法。

14.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的图像处理方法。

15.一种图像处理设备，其特征在于，包括：存储器，处理器；

存储器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为由所述处理器执行如权利要求6所述的图像处理方法。

16.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求6所述的图像处理方法。