小样本图像分类目前是人工智能领域中非常重要的方向之一，其中基于度量学习的方法具有简洁高效的特点。针对目前图像分类中特征提取阶段所使用的骨干网络问题，现有工作大多使用传统残差网络，受数据集的影响，对类内差异大的图片特征提取效果不佳。ResNeXt为传统残差网络ResNet的升级版本，优化了在特征提取阶段准确度不高，误差较大的问题。根据其网络特点，本文设计出一种适用于小样本模型的网络变体，运用其变体作为骨干网络，提高其特征提取能力，同时结合两种注意力模块，进一步提升对图像类内相似性以及类间差异性的识别效果，减少无关因素影响，有效提升整体分类精度。