1.一种模型训练方法，包括：
2.根据权利要求1所述的模型训练方法，其中，对所述每个第一标注类别的原始特征中心进行特征解耦包括：
3.根据权利要求2所述的模型训练方法，其中，确定每个第一标注类别所对应的第一样本与其他第一标注类别所对应的第一样本之间的目标语义关联信息包括：
4.根据权利要求3所述的模型训练方法，其中，与每个第一标注类别对应的局部语义关联信息表示为局部关联矩阵，所述局部关联矩阵包括多个元素值，所述多个元素值包括第一元素值和第二元素值，所述第一元素值表征所述每个第一标注类别的原始特征中心的一个局部特征与一个其他第一标注类别的原始特征中心的一个局部特征之间的语义关联程度，所述第二元素值表征所述每个第一标注类别的原始特征中心的一个局部特征与所述每个第一标注类别的原始特征中心的任一局部特征之间的语义关联程度，其中，所述第二元素值小于所述第一元素值。
5.根据权利要求3所述的模型训练方法，其中，对所述每个第一标注类别的原始特征中心进行特征解耦包括：
6.根据权利要求5所述的模型训练方法，其中，所述目标分类模型包括元学习器，确定与每个第一标注类别对应的掩码矩阵包括：
7.根据权利要求6所述的模型训练方法，其中，根据与所述每个第一标注类别的原始特征中心的每个局部特征对应的类别无关程度，确定与每个第一标注类别对应的掩码矩阵包括：
8.根据权利要求1所述的模型训练方法，其中，在模型训练过程中存在至少一个训练任务，每个训练任务中均具有多个第一标注类别的多个第一样本和多个第二样本，训练所述目标分类模型包括：
9.根据权利要求8所述的模型训练方法，其中，训练所述目标分类模型包括：
10.根据权利要求9所述的模型训练方法，其中，训练所述目标分类模型包括：
11.根据权利要求10所述的模型训练方法，其中，训练所述目标分类模型包括：
12.根据权利要求1-11任一项所述的模型训练方法，其中，生成目标类别无关特征包括：
13.根据权利要求12所述的模型训练方法，其中，训练所述目标分类模型包括：
14.根据权利要求1所述的模型训练方法，其中，所述目标分类模型包括基于最大后验的二次判别分析分类器，对每个第二样本进行分类包括：
15.根据权利要求1所述的模型训练方法，其中，所述目标分类模型用于图像分类。
16.一种分类方法，包括：
17.一种电子设备，被配置为执行如权利要求1-15任一项所述的模型训练方法或者如权利要求16所述的分类方法。
18.一种电子设备，包括：
19.一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1-15任一项所述的模型训练方法或者如权利要求16所述的分类方法。