1.一种基于镜像不变性卷积神经网络的图像分类方法，包括如下步骤：

步骤1：读取卷积神经网络的权重文件和参数配置文件，得到初始卷积神经网络，记为N；

步骤2：准备用于分类任务的训练样本集合I＝{(Xi,Yi)|i＝1,2,3,…,m}，其中Xi表示第i个样本图像，Yi表示第i个样本图像对应的标签，Yi∈{0,1,2,…,k-1}，k表示图像分类任务总共有k个类别；

步骤3：开始网络的迭代训练，每一次迭代从训练样本集合I中随机选取一批训练样本，作为训练样本集合的子集，记为It，其中t表示网络训练的第t次迭代；

步骤4：将步骤3选取的一批训练样本输入卷积神经网络N，在卷积神经网络的底层卷积层输出特征图之后，选取部分特征图进行水平镜像变换，并将该卷积层中对应的部分卷积核也进行水平镜像变换；

步骤5：将步骤4得到的特征图输入网络的下一层，按照传统卷积神经网络的方法进行前向传播和反向传播；

步骤6：重复步骤3、步骤4和步骤5，直到t达到预先设定的迭代次数Max_iter。

2.根据权利要求1所述的一种基于镜像不变性卷积神经网络的图像分类方法，其特征在于，所述步骤4中在卷积神经网络的底层卷积层输出特征图之后选取部分特征图进行水平镜像变换的过程如下：

4.1)：将卷积神经网络的底层卷积层的所有输出特征图记为集合{f(h,w)j|j＝1,2,

3,…,n}，其中f(h,w)j表示第j个特征图，h表示特征图的纵坐标，w表示特征图的横坐标，n表示底层卷积层总共输出n个特征图；

4.2)：从步骤4.1)的n个特征图中随机选取n/2个特征图进行水平镜像变换，具体变换过程根据公式(1)计算，f1(h,w)j＝f(h,W-w)j,j∈{0,1,2,...,n}                     (1)其中f1(h,w)j表示第j个特征图经过水平镜像变换之后的特征图，W表示特征图的宽度。

3.根据权利要求1所述的一种基于镜像不变性卷积神经网络的图像分类方法，其特征在于，所述步骤4中在选取部分特征图进行水平镜像变换之后，将该卷积层中对应的部分卷积核进行水平镜像变换的过程如下：

4.3)：将卷积神经网络的底层卷积层的所有卷积核记为集合{Φ(c,h1,w1)j|j＝1,2,

3,…,n}，其中Φ(c,h1,w1)j表示特征图f(h,w)j对应的卷积核，c表示卷积核的第c个通道，h1表示卷积核第c个通道的纵坐标，w1表示卷积核第c个通道的横坐标；

4.4)：将步骤4.2)选取的n/2个特征图对应的卷积核进行水平镜像变换，具体变换过程根据公式(2)计算：Φ1(c,h1,w1)j＝Φ(c,h1,W1-w1)j,j∈{0,1,2,...,n}                   (2)其中Φ1(c,h1,w1)j表示第j个卷积核经过水平镜像变换之后的卷积核，W1表示卷积核第c个通道的宽度。