针对现有模型对细粒度图像关键信息精准识别较难，分类指标较单一且特征利用不充分的问题，提出一个新的细粒度图像分类网络模型.该模型在网络训练步骤中嵌入双注意力网络以强化中层特征与深度特征的相关性，根据网络不同层的感受野大小不同将数据剪裁后再拼接成新的样本数据作为下一层输入，采用支持向量机分类器将中层和深度特征输出结果一同作为最终分类指标.在3个经典数据集CUB-200-2011、 Stanford Cars和102 Category Flower上的实验结果表明，其分类准确率分别达89.56%,95.00%,96.05%,相比于其他网络模型有较好的分类准确率和泛化能力.