本发明公开的基于直推式半监督深度学习的细粒度图像分类方法，包括以下步骤：准备细粒度图像的半监督学习训练样本集，将训练样本集划分为有标注训练样本集和无标注训练样本集；构建树型类层级结构；根据类层级结构，搭建深度卷积神经网络模型；在有标注训练样本集上训搭建的网络模型；为所有训练样本推断出对应的层级类标签向量集合；为每一个训练样本计算出与之对应的置信度；使用整个训练样本集从随机初始化开始训练搭建的网络模型；重复执行步骤5～7，直到前后两轮次所学习到的网络模型对无标注样本所推断出的细粒度类标签向量基本一致；将待分类的细粒度图像输入训练好的网络模型，在细粒度分类层得到该图像的预测类别。