1.一种样本数据的特征增强方法，包括：

获取样本图像；

将所述样本图像输入神经网络模型，并获得特征图；

对所述特征图进行切分，确定出至少两个子特征图；

对所述至少两个子特征图中的目标子特征图进行叠加，得到叠加后的特征图；

其中，所述目标子特征图基于以下方法确定：将所述至少两个子特征图确定为目标数据组，并通过多轮迭代操作确定出所述目标子特征图；其中，所述迭代操作包括：采用卷积神经网络模型，对所述目标数据组中的至少一个子特征图中的各个子特征图进行卷积操作，并获得各个卷积后的子特征图；将所述各个卷积后的子特征图中的至少一个子特征图，切分为至少两个子特征图，并将该至少两个子特征图确定为所述目标数据组；响应于确定所述迭代操作次数达到预设次数阈值，将在所述多轮迭代操作中获得的各个卷积后的子特征图、与各个剩余的子特征图确定为所述目标子特征图，其中，所述剩余的子特征图包括在所述多轮迭代操作的目标数据组中、未经过卷积操作的子特征图。

2.根据权利要求1所述的方法，其中，所述对所述特征图进行切分，确定出至少两个子特征图，包括：根据所述特征图的特征图通道，切分所述特征图，并确定至少两个子特征图；和/或，根据所述特征图的截面，切分所述特征图，并确定至少两个子特征图。

3.根据权利要求2所述的方法，其中，所述根据所述特征图的截面，切分所述特征图，包括：根据所述特征图的纵向截面，切分所述特征图；或者，

根据所述特征图的横向截面，切分所述特征图。

4.根据权利要求1所述的方法，其中，所述样本图像包括含有目标对象的图像，所述叠加后的特征图用于检测所述样本图像中的目标对象。

5.一种样本数据的特征增强装置，包括：

获取单元，被配置为获取样本图像；

输入单元，被配置为将所述样本图像输入神经网络模型，并获得特征图；

确定单元，被配置为对所述特征图进行切分，确定出至少两个子特征图；

叠加单元，被配置为对所述至少两个子特征图中的目标子特征图进行叠加，得到叠加后的特征图；

其中，所述目标子特征图基于以下方法确定：将所述至少两个子特征图确定为目标数据组，并通过多轮迭代操作确定出所述目标子特征图；其中，所述迭代操作包括：采用卷积神经网络模型，对所述目标数据组中的至少一个子特征图中的各个子特征图进行卷积操作，并获得各个卷积后的子特征图；将所述各个卷积后的子特征图中的至少一个子特征图，切分为至少两个子特征图，并将该至少两个子特征图确定为所述目标数据组；响应于确定所述迭代操作次数达到预设次数阈值，将在所述多轮迭代操作中获得的各个卷积后的子特征图、与各个剩余的子特征图确定为所述目标子特征图，其中，所述剩余的子特征图包括在所述多轮迭代操作的目标数据组中、未经过卷积操作的子特征图。

6.根据权利要求5所述的装置，其中，所述确定单元，包括：第一切分模块，被配置为根据所述特征图的特征图通道，切分所述特征图，并确定至少两个子特征图；和/或，第二切分模块，被配置为根据所述特征图的截面，切分所述特征图，并确定至少两个子特征图。

7.根据权利要求6所述的装置，其中，所述第二切分模块，包括：第一切分子模块，被配置为根据所述特征图的纵向截面，切分所述特征图；或者，第二切分子模块，被配置为根据所述特征图的横向截面，切分所述特征图。

8.根据权利要求5所述的装置，其中，所述样本图像包括含有目标对象的图像，所述叠加后的特征图用于检测所述样本图像中的目标对象。

9.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。