本发明涉及一种基于可分离卷积和注意力机制的图像分类方法,其特征在于,包括:S1、构建原始深度卷积神经网络;S2、利用训练数据集训练所述原始深度卷积神经网络,得到训练的深度卷积神经网络;S3、将验证数据集输入到所述训练的深度卷积神经网络,得到分类概率向量;S4、选取所述分类概率向量中概率最大值对应的分类作为数据预处理的测试结果;S5、将所述测试结果与所述验证数据集的类别标签进行对比,得到最终分类的准确度。本发明提出的基于可分离卷积和注意力机制的图像分类方法,可用于提升深度学习中图像分类模型特征提取的效率和缩减模型的训练参数量,加速模型收敛。