1.一种基于多尺度注意力特征的人体皮肤图像病变分类方法，其特征在于，包括以下步骤：步骤1：将图片经过预处理，数据增强后传入卷积神经网络进行特征提取得到f1；

步骤2：将步骤1得到的特征图f1分为两个支路进行处理：一条支路直接进行分类输出得到p1，另一条支路进行降维得到通道数为1的注意力图，并进行标准化和阈值化处理，得到注意力图的二值化结果a1；

步骤3：在a1中，找到横轴方向上最左端和最右端为1的位置，纵轴方向上找到最上端和最下端为1的位置，通过这四个位置确定候选框c1；

步骤4：将步骤3得到的候选框c1放置在f1上进行图像裁剪，重新调整候选框内图像大小，传入Resnet-50网络得到特征图f2；

步骤5：参照步骤2，将特征图进行双支路处理，得到p2和注意力图a2，在a2中，重复步骤

3得到新的候选框c2，在c2和f2上，重复步骤4，传入Resnet-50网络得到特征图f3，直接进行分类得到p3；

步骤6：构建训练网络结构的损失函数：(1)每一次分类的交叉熵，也就是p1、p2、p3对应的3个交叉熵；(2)成对损失，将p2对应真实标签位置上的结果加上0.05减去p1对应真实标签位置上的的结果，将p3对应真实标签位置上的结果加上0.05减去p2对应真实标签位置上的结果，将这两部分相加得到成对损失，最终损失函数为交叉熵损失加上成对损失；

步骤7：使用训练好的模型对测试集进行预测，取概率最大值对应的类别作为皮肤病分类结果。

2.根据权利要求1所述的一种基于多尺度注意力特征的人体皮肤图像病变分类方法，其特征在于，所述步骤2-5中，对神经网络提取的特征图像，通过二值化注意力特征图针对病灶区域进行两次尺度放大，并在步骤6中，通过构建交叉熵和成对损失函数，综合多尺度信息进行皮肤图像病变的分类。