1.一种预设模型的训练方法，包括：

确定与多个场景样本集中的每个场景样本集对应的目标正样本相似度和目标负样本相似度，其中，每个所述场景样本集对应一个场景；

在确定不满足相似度条件的情况下，根据与多个所述场景中的每个场景对应的目标正样本相似度与全局正样本相似度、和目标负样本相似度与全局负样本相似度，分别调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值和负样本场景阈值，得到调整后的损失函数，其中，所述相似度条件用于表征任意两个所述场景的目标正样本相似度之间的接近程度、和任意两个所述场景的目标负样本相似度之间的接近程度是否满足预设程度范围的条件；所述全局正样本相似度表征为多个所述场景对应的目标正样本相似度的平均值，所述全局负样本相似度表征为多个所述场景对应的目标负样本相似度的平均值；以及基于所述调整后的损失函数，利用所述多个场景样本集训练所述预设模型直至满足所述相似度条件。

2.根据权利要求1所述的方法，其中，所述基于所述调整后的损失函数，利用所述多个场景样本集，训练所述预设模型的模型参数，直至满足所述相似度条件包括重复执行以下操作，直至满足所述相似度条件：基于所述调整后的损失函数，利用所述多个场景样本集，调整所述预设模型的模型参数，得到新的预设模型；

基于所述新的预设模型，确定与所述多个场景样本集中的每个场景样本集对应的新的目标正样本相似度和新的目标负样本相似度；

在确定不满足所述相似度条件的情况下，根据与多个所述场景中的每个场景对应的新的目标正样本相似度和新的目标负样本相似度，分别调整与所述新的预设模型对应的损失函数中与所述场景对应的新的正样本场景阈值和与所述场景对应的新的负样本场景阈值。

3.根据权利要求1或2所述的方法，其中，所述确定与多个场景样本集中的每个场景样本集对应的目标正样本相似度和目标负样本相似度，包括：针对M轮模型训练中的每轮模型训练，基于与该轮模型训练对应的预设模型，确定与所述多个场景样本集中的每个场景样本集对应的正样本平均相似度和负样本平均相似度，其中，M是大于或等于2的整数；

根据与所述多个场景样本集中的每个场景样本集对应的M个所述正样本平均相似度和M个所述负样本平均相似度，确定与所述场景样本集对应的正样本平均相似度的平均值和负样本平均相似度的平均值；

将与所述场景样本集对应的正样本平均相似度的平均值确定为与所述场景样本集对应的目标正样本相似度；以及将与所述场景样本集对应的负样本平均相似度的平均值确定为与所述场景样本集对应的目标负样本相似度。

4.根据权利要求1所述的方法，其中，所述根据与多个所述场景中的每个场景对应的目标正样本相似度与全局正样本相似度、和目标负样本相似度与全局负样本相似度，分别调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值和负样本场景阈值，包括：根据多个所述目标正样本相似度，确定全局正样本相似度；根据多个所述目标负样本相似度，确定全局负样本相似度；

针对多个所述场景中的每个场景，根据所述全局正样本相似度和与所述场景对应的目标正样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值；以及根据所述全局负样本相似度和与所述场景对应的目标负样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值。

5.根据权利要求4所述的方法，其中，所述根据所述全局正样本相似度和与所述场景对应的目标正样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值，包括：在确定所述全局正样本相似度大于与所述场景对应的目标正样本相似度的情况下，增大与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值；以及在确定所述全局正样本相似度小于与所述场景对应的目标正样本相似度的情况下，减小与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值。

6.根据权利要求4或5所述的方法，其中，所述根据所述全局负样本相似度和与所述场景对应的目标负样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值，包括：在确定所述全局负样本相似度大于与所述场景对应的目标负样本相似度的情况下，减小与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值；以及在确定所述全局负样本相似度小于与所述场景对应的目标负样本相似度的情况下，增大与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值。

7.根据权利要求1所述的方法，还包括：

确定所述多个场景样本集中的每两个场景样本集之间的目标正样本相似度的第一差值的绝对值；

确定所述多个场景样本集中的每两个场景样本集之间的目标负样本相似度的第二差值的绝对值；以及在确定存在所述第一差值的绝对值不属于第一差值范围且第二差值的绝对值不属于第二差值范围的情况下，确定不满足所述相似度条件。

8.根据权利要求4所述的方法，还包括：

针对所述多个场景样本集中的每个场景样本集，确定与所述场景样本集对应的目标正样本相似度与所述全局正样本相似度之间的第三差值的绝对值；

确定与所述场景样本集对应的目标负样本相似度与所述全局负样本相似度之间的第四差值的绝对值；以及在确定存在所述第三差值的绝对值不属于第三差值范围且第四差值的绝对值不属于第四差值范围的情况下，确定不满足所述相似度条件。

9.一种预测方法，包括：

获取目标场景图像；

将所述目标场景图像输入预设模型，得到对象识别结果；

其中，所述预设模型是利用根据权利要求1～7中任一项所述的方法训练的。

10.一种预设模型的训练装置，包括：

第一确定模块，用于确定与多个场景样本集中的每个场景样本集对应的目标正样本相似度和目标负样本相似度，其中，每个所述场景样本集对应一个场景；

调整模块，用于在确定不满足相似度条件的情况下，根据与多个所述场景中的每个场景对应的目标正样本相似度与全局正样本相似度、和目标负样本相似度与全局负样本相似度，分别调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值和负样本场景阈值，得到调整后的损失函数，其中，所述相似度条件用于表征任意两个所述场景的目标正样本相似度之间的接近程度、和任意两个所述场景的目标负样本相似度之间的接近程度是否满足预设程度范围的条件；所述全局正样本相似度表征为多个所述场景对应的目标正样本相似度的平均值，所述全局负样本相似度表征为多个所述场景对应的目标负样本相似度的平均值；以及训练模块，用于基于所述调整后的损失函数，利用所述多个场景样本集训练所述预设模型直至满足所述相似度条件。

11.根据权利要求10所述的装置，其中，所述训练模块用于重复执行以下操作，直至满足所述相似度条件：基于所述调整后的损失函数，利用所述多个场景样本集，调整所述预设模型的模型参数，得到新的预设模型；

基于所述新的预设模型，确定与所述多个场景样本集中的每个场景样本集对应的新的目标正样本相似度和新的目标负样本相似度；

在确定不满足所述相似度条件的情况下，根据与多个所述场景中的每个场景对应的新的目标正样本相似度和新的目标负样本相似度，分别调整与所述新的预设模型对应的损失函数中与所述场景对应的新的正样本场景阈值和与所述场景对应的新的负样本场景阈值。

12.根据权利要求10或11所述的装置，其中，所述第一确定模块包括：第一确定子模块，用于针对M轮模型训练中的每轮模型训练，基于与该轮模型训练对应的预设模型，确定与所述多个场景样本集中的每个场景样本集对应的正样本平均相似度和负样本平均相似度，其中，M是大于或等于2的整数；

第二确定子模块，用于根据与所述多个场景样本集中的每个场景样本集对应的M个所述正样本平均相似度和M个所述负样本平均相似度，确定与所述场景样本集对应的正样本平均相似度的平均值和负样本平均相似度的平均值；

第三确定子模块，用于将与所述场景样本集对应的正样本平均相似度的平均值确定为与所述场景样本集对应的目标正样本相似度；以及第四确定子模块，用于将与所述场景样本集对应的负样本平均相似度的平均值确定为与所述场景样本集对应的目标负样本相似度。

13.根据权利要求10中任一项所述的装置，其中，所述调整模块包括：第五确定子模块，用于根据多个所述目标正样本相似度，确定全局正样本相似度；

第六确定子模块，用于根据多个所述目标负样本相似度，确定全局负样本相似度；

第一调整子模块，用于针对多个所述场景中的每个场景，根据所述全局正样本相似度和与所述场景对应的目标正样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值；以及第二调整子模块，用于根据所述全局负样本相似度和与所述场景对应的目标负样本相似度之间的比较关系，调整与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值。

14.根据权利要求13所述的装置，其中，所述第一调整子模块包括：第一减小单元，用于在确定所述全局正样本相似度大于与所述场景对应的目标正样本相似度的情况下，减小与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值；以及第一增大单元，用于在确定所述全局正样本相似度小于与所述场景对应的目标正样本相似度的情况下，增大与所述预设模型对应的损失函数中与所述场景对应的正样本场景阈值。

15.根据权利要求13或14所述的装置，其中，所述第二调整子模块包括：第二增大单元，用于在确定所述全局负样本相似度大于与所述场景对应的目标负样本相似度的情况下，增大与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值；以及第二减小单元，用于在确定所述全局负样本相似度小于与所述场景对应的目标负样本相似度的情况下，减小与所述预设模型对应的损失函数中与所述场景对应的负样本场景阈值。

16.根据权利要求10中任一项所述的装置，还包括：

第二确定模块，用于确定所述多个场景样本集中的每两个场景样本集之间的目标正样本相似度的第一差值的绝对值；

第三确定模块，用于确定所述多个场景样本集中的每两个场景样本集之间的目标负样本相似度的第二差值的绝对值；以及第四确定模块，用于在确定存在所述第一差值的绝对值不属于第一差值范围且第二差值的绝对值不属于第二差值范围的情况下，确定不满足所述相似度条件。

17.一种预测装置，包括：

获取模块，用于获取目标场景图像；

获得模块，用于将所述目标场景图像输入预设模型，得到对象识别结果；

其中，所述预设模型是利用根据权利要求10～16中任一项所述的装置训练的。

18.一种电子设备，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1～8中任一项或权利要求9所述的方法。

19.一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根据权利要求1～8中任一项或权利要求9所述的方法。