本发明提供一种基于辅助分类深度神经网络的主乐器识别方法，在分类网络训练时对具体乐器类别进行主分类的同时，对乐器组按照起振类型进行辅助分类。从乐器角度来看，乐器组提供乐器的相似性信息，有助于网络学习出更有分辨力的特征。从反向传播角度来看，构建多任务学习网络结构，即使主分类中激活函数的梯度消失，辅助分类的梯度仍然存在，防止陷入局部最优，从而确保网络继续进行学习，使得网络在训练过程中得到更优的参数，帮助网络对乐器进行更精确的分类。另外，在网络设计损失函数时引入中心损失，减小类内间距，可更一步提升乐器识别效果。