本发明提供一种多分支结构的多标签图像分类方法和模型构建方法及装置，该方法针对多标签图像中存在多个大小不一、不同特性的语义目标的特点，将特征提取网络不同处的特征作为不同分支的输入特征，每个分支按照以本分支特征为主，其他分支特征为辅的方式进行特征融合，并将融合后的特征输入Attention网络，实现特征的进一步提取，得到用于预测的最终特征，并进行独立的预测，随后逐类别选择多个分支预测结果的最大值作为整个网络对于此类别的预测值，最终得到整个网络对输入样本的预测结果。本发明解决了现有技术无法全面、准确预测多标签图像中所有语义目标的不足，有效提高了多标签图像分类的准确率。