1.一种基于卷积神经网络的多分支图像分类方法，其特征在于：该方法包含如下步骤：S1：提取主干神经网络中的各个尺度的特征图；

S2：对相邻的特征图相加形成多个分支并且每个分支设置单独的一个输出，每一个分支称为一个branch单元；

S3：结合主干网络的输出，通过投票各个输出的结果得到一个辅助输出，最后选取所有输出中准确率最高的。

2.根据权利要求1所述的一种基于卷积神经网络的多分支图像分类方法，其特征在于：所述步骤S2中，一个branch单元包含如下步骤：S31：先对低维度的特征图进行上采样S32：减少其通道数

S33：和另一个特征图相加

上述步骤满足如下公式：

y＝x+Ws(Up(G(x)))

式中，x表示branch单元的输入，G表示一个下采样函数，Up表示上采样函数，Ws映射函数，功能为改变其输入的通道数。

3.根据权利要求2所述的一种基于卷积神经网络的多分支图像分类方法，其特征在于：所述投票遵从对每个输出类别取众数的规则，满足如下公式：式中，y表示投票后的类别，yi表示第i个分支所属的类别，cj表示总分类数中的第j个类别，I为指示函数，当yi＝cj时为1，否则为0。