1.一種確定卷積神經(jīng)網(wǎng)絡(luò)CNN模型的裝置，所述CNN模型用于對(duì)包括多個(gè)圖像的數(shù)據(jù)庫(kù)進(jìn)行圖像分類，所述裝置包括：

第一確定單元，用于確定所述數(shù)據(jù)庫(kù)的復(fù)雜度；

第二確定單元，用于根據(jù)所述數(shù)據(jù)庫(kù)的復(fù)雜度確定適用于所述數(shù)據(jù)庫(kù)的CNN模型的分類能力；

第三確定單元，用于獲取多個(gè)候選CNN模型中的每個(gè)候選CNN模型的分類能力；以及

匹配單元，用于根據(jù)每個(gè)候選CNN模型的分類能力以及適用于所述數(shù)據(jù)庫(kù)的CNN模型的分類能力確定適用于所述數(shù)據(jù)庫(kù)的CNN模型，

其中，所述第一確定單元確定所述數(shù)據(jù)庫(kù)的復(fù)雜度包括：從包括以下參數(shù)的參數(shù)組中選取多個(gè)參數(shù)并根據(jù)所選取的多個(gè)參數(shù)來(lái)確定所述數(shù)據(jù)庫(kù)的復(fù)雜度：種類數(shù)目，其表示該數(shù)據(jù)庫(kù)中的多個(gè)圖像的種類的數(shù)目；平均樣本數(shù)目，其表示該數(shù)據(jù)庫(kù)中的每個(gè)種類的平均圖像數(shù)目；樣本均衡度，其表示該數(shù)據(jù)庫(kù)中的每個(gè)種類的圖像數(shù)目的均衡程度；背景復(fù)雜度，其表示該數(shù)據(jù)庫(kù)中的圖像的背景的復(fù)雜程度；以及目標(biāo)清晰度，其表示從該數(shù)據(jù)庫(kù)中的圖像中識(shí)別出目標(biāo)的難易程度。