1.一种基于图像的垃圾分类方法，其特征在于，所述垃圾分类方法包括：
利用基础特征网络对输入图像进行特征提取，得到垃圾图像；
利用至少三种注意力机制模块分别对所述垃圾图像进行噪声抑制，得到对应的至少三种深度特征信息；
将至少三种所述深度特征信息两两之间进行双线性聚合，得到至少三种增强信息；
融合至少三种所述增强信息，得到垃圾图像表达信息；
利用分类器对所述垃圾图像表达信息进行分类以实现对所述输入图像得分类。
2.根据权利要求1所述的垃圾分类方法，其特征在于，所述注意力机制模块包括：基于所述垃圾图像不同区域特征信息的空间注意力模块、基于所述垃圾图像的特征通道信息的通道注意力模块，以及基于所述垃圾图像不同区域之间关系的区域关系注意力模块。
3.根据权利要求2所述的垃圾分类方法，其特征在于，所述空间注意力模块的表达式为：
fs(xi)＝diag(ωi)xi；
其中，diag(·)为对角化操作，将输入向量中的元素作为对角线元素生成一个矩阵，向量ωi由以下步骤得到：通过两层1×1的卷积操作和relu激活函数将特征xi映射成一个通道数为1的特征；用softmax操作进行特征归一化处理后得到ωi。
4.根据权利要求2所述的垃圾分类方法，其特征在于，所述通道注意力模块的表达式为：
fc(xi)＝xidiag(ci)+xi
其中，diag(·)为对角化操作，ci由以下步骤得到：用一个全局平均池化操作将特征xi进行空间平均得到一个全局向量特征；通过两层全连接操作进行信息提炼，其维度变化分别为c→c/16和c/16→c；通过sigmoid激活函数进行归一化得到ci。
5.根据权利要求2所述的垃圾分类方法，其特征在于，所述区域关系注意力模块的表达式为：
其中
6.根据权利要求1所述的垃圾分类方法，其特征在于，利用分类器对所述垃圾图像表达信息进行分类包括：利用交叉熵损失函数作为优化目标。
7.根据权利要求1所述的垃圾分类方法，其特征在于，利用分类器对所述垃圾图像表达信息进行分类包括：
对训练数据集进行数据增广；
将增广后的训练数据打乱，并按预设数量进行批次训练，同时随机在训练数据集的原图上截取预设大小的区域输入所述分类器。
8.一种基于图像的垃圾分类装置，其特征在于，所述垃圾分类装置包括：
特征提取模块，用于利用基础特征网络对输入图像进行特征提取，得到垃圾图像；
噪声抑制模块，用于利用至少三种注意力机制模块分别对所述垃圾图像进行噪声抑制，得到对应的至少三种深度特征信息；
增强模块，用于将至少三种所述深度特征信息两两之间进行双线性聚合，得到至少三种增强信息；
融合模块，用于融合至少三种所述增强信息，得到垃圾图像表达信息；
分类模块，用于利用分类器对所述垃圾图像表达信息进行分类以实现对所述输入图像得分类。
9.一种终端设备，其特征在于，所述终端设备包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行权利要求1至7中任一项所述垃圾分类方法的步骤。
10.一种计算机可读取存储介质，其特征在于，所述存储介质存储有计算机指令，所述指令被执行时实现权利要求1至7中任一项所述垃圾分类方法的步骤。