深度子域适应网络在进行特征提取时易导致部分重要信息丢失，且在对齐局部特征的同时会忽略源域和目标域的整体对齐，从而影响其分类准确率，为此提出基于改进深度子域适应网络的图像分类方法。引入卷积神经网络正则化方法提升模型在不同跨域任务中的泛化能力；在特征提取网络中加入高效通道注意力机制，对局部跨信道交互信息进行捕捉，提取输入图像中的关键信息；改进损失函数，增加全域适应损失约束，提升模型的全局特征对齐效果。在域适应基准数据集Office-31上的实验表明，相较于原算法，本文改进算法在一定程度上提升了分类准确率，在跨域图像分类任务中表现更好。