La extracción de características de una señal es el paso más importante en el diagnóstico de fallos basado en señales. El aprendizaje profundo o red neuronal profunda (DNN) es un método eficaz para extraer características de señales. En este artículo, se propone un nuevo método de diagnóstico de fallos en rodamientos basado en señales de vibración utilizando DNN. Primero, las señales de vibración medidas se transforman en una nueva forma de datos llamada representación de imagen en múltiples dominios. Con esta transformación, la tarea de diagnóstico de fallos basado en señales se convierte en la tarea de clasificación de imágenes. Después, se propone una DNN con una estructura de múltiples ramas para manejar los datos de representación de imagen en múltiples dominios. La estructura de múltiples ramas de la DNN propuesta ayuda a extraer características en múltiples dominios simultáneamente, lo que conduce a una mejor extracción de características. Una mejor extracción de características conduce a un mejor rendimiento en el diagnóstico de fallos. La efectividad del método propuesto fue verificada a través de los experimentos realizados con señales de fallos en rodamientos reales y sus comparaciones con métodos publicados bien establecidos.