随着深度卷积神经网络（VGGNet、Res Net、Densenet等等）的不断发展,计算机在处理常见的粗粒度图像分类的效果已经越来越准确了,在大量的分类任务中甚至已经超过了人工的分类的精度,继而很多学者和研究人员逐渐地将研究的目光投向了细粒度图像分类任务。然而直接将这些深度神经网络用于细粒度图像的分类并不能得到很好的效果,主要是因为这些细粒度的图像之间是具有很多相同的地方,直接使用这些深度卷积神经网络很难找到细粒度图像中具有明显区别的特征。为了满足细粒度图像分类的要求,本文以传统的深度卷积神经网络（VGGNet、Res Net）为基础,通过研究改进其结构,提出了一种新的细粒度图像分类方法。该方法主要是为了获取到细粒度图像当中更能代表其所属小类的细微特征,通过多尺度融合和注意力机制,构建深度分类模型,能够取得较好的实验效果。针对图像在深度卷积网络进行卷积池化过程中,一些细小的可判别区域特征可能会缺失的问题。本文使用端到端的弱监督训练,在传统卷积网络中引入了多尺度特征融合的方法,很好地融合了图像的浅层特征和高层语义特征。并在特征图的空间维度和通道维度层面应用了注意力机制,设计了模型的空间关注模块和通道关注模块,通过在特征上分布权重从而更加突出细粒度图像中的可判别性区域,保证了模型的鲁棒性能。本文分别从模块串联和并联的角度对模型进行了构建,对两种方式都做了实验。在实验过程中,对CUB-200-2011、FGVC Aircraft和Stanford Cars三大公开的细粒度图像数据集进行了训练和测试评估,在Res Net101基础上改进的模型网络模型上进行端到端的实验。实验结果显示,串联方式对三个数据集预测结果的最高准确率比同期其它模型的分类准确度提高了1.2%、0.8%、1.1%,取得了较好的实验效果。