1.一种面向多特征图的异构深度神经网络结构组合方法，其特征在于，所述面向多特征图的异构深度神经网络结构组合方法包括：
获取前置神经网络的输出模块输出的特征子图；
对所述特征子图进行拼接操作，得到拼接特征图；
将所述拼接特征图输出至后置神经网络的输入模块。
2.如权利要求1所述的面向多特征图的异构深度神经网络结构组合方法，其特征在于，所述前置神经网络为循环神经网络或卷积神经网络。
3.如权利要求1所述的面向多特征图的异构深度神经网络结构组合方法，其特征在于，所述后置神经网络为循环神经网络或卷积神经网络。
4.如权利要求3所述的面向多特征图的异构深度神经网络结构组合方法，其特征在于，当所述后置神经网络为卷积神经网络时，所述对所述特征子图进行拼接操作，得到拼接特征图的过程，包括：
设横向拼接参数为x，则纵向拼接参数y＝c/x；其中，x为[1,c]之间的整数，且满足c可整除x，c为所述特征子图的个数；
将[1，x]，[x+1，2x]，…，[c-x+1，c]各区间的特征子图进行横向拼接，得到y个宽度为w*x，高度为h的横向拼接特征子图；其中，w为所述特征子图的宽度，h为所述特征子图的高度；
将y个横向拼接特征子图按顺序进行纵向拼接，得到一个宽度为w*x，高度为h*y的拼接特征图。
5.如权利要求3所述的面向多特征图的异构深度神经网络结构组合方法，其特征在于，当所述后置神经网络为循环神经网络时，所述对所述特征子图进行拼接操作，得到拼接特征图的过程，包括：
判断所述后置神经网络的输入模块的输入层神经元个数w是否为所述特征子图的宽度w的整数倍；
若w是w的整数倍，则计算横向拼接参数x＝w/w，纵向拼接参数y＝c/x；其中，c为所述特征子图的个数；
将[1,x],[x+1,2x],…,[c-x+1,c]各区间特征子图进行横向拼接，得到y个宽度为w*x，高度为h的横向拼接特征子图；其中，h为所述特征子图的高度；
将y个横向拼接特征子图按顺序进行纵向拼接，得到一个宽度为w*x，高度为h*y的拼接特征图。
6.一种面向多特征图的异构深度神经网络结构组合系统，其特征在于，所述面向多特征图的异构深度神经网络结构组合系统包括：
特征子图获取模块，用于获取前置神经网络的输出模块输出的特征子图；
特征子图拼接模块，用于对所述特征子图进行拼接操作，得到拼接特征图；
拼接特征图输出模块，用于将拼接特征图输至后置神经网络的输入模块。
7.如权利要求6所述的面向多特征图的异构深度神经网络结构组合系统，其特征在于，所述前置神经网络为循环神经网络或卷积神经网络。
8.如权利要求6所述的面向多特征图的异构深度神经网络结构组合系统，其特征在于，所述后置神经网络为循环神经网络或卷积神经网络。
9.如权利要求8所述的面向多特征图的异构深度神经网络结构组合系统，其特征在于，若后置神经网络为卷积神经网络，所述特征子图拼接模块用于：
设横向拼接参数为x，则纵向拼接参数y＝c/x；其中，x为[1,c]之间的整数，且满足c可整除x，c为所述特征子图的个数；
将[1，x]，[x+1，2x]，…，[c-x+1，c]各区间的特征子图进行横向拼接，得到y个宽度为w*x，高度为h的横向拼接特征子图；其中，w为所述特征子图的宽度，h为所述特征子图的高度；
将y个横向拼接特征子图按顺序进行纵向拼接，得到一个宽度为w*x，高度为h*y的拼接特征图。
10.如权利要求8所述的面向多特征图的异构深度神经网络结构组合系统，其特征在于，若后置神经网络为循环神经网络，特征子图拼接模块用于：
判断所述后置神经网络的输入模块的输入层神经元个数w是否为所述特征子图的宽度w的整数倍；
若w是w的整数倍，则计算横向拼接参数x＝w/w，纵向拼接参数y＝c/x；其中，c为所述特征子图的个数；
将[1,x],[x+1,2x],…,[c-x+1,c]各区间特征子图进行横向拼接，得到y个宽度为w*x，高度为h的横向拼接特征子图；其中，h为所述特征子图的高度；
将y个横向拼接特征子图按顺序进行纵向拼接，得到一个宽度为w*x，高度为h*y的拼接特征图。