计算机视觉是使用机器来理解和分析图像的过程,它不仅是人工智能的一个组成部分,而且是人工智能的一个重要分支。在计算机视觉的各个研究领域中,细粒度图像分类是一个长期存在的基本问题,并在现实世界的多个场景中应用广泛。细粒度图像分类的任务是从属于同一基础类别的图像中区分出每个目标所属的子类别,如从鸟类、汽车等基础类别中区分出鸟类的品种和汽车的品牌。细粒度任务之所以更加具有挑战性,是因为细粒度图像之间具有类间差异小和类内差异大的检测难点。近年来,随着深度卷积神经网络的架构变得越来越强大和智能,使用深度学习模型作为骨干框架的细粒度图像分类方法受到了越来越多的关注和研究,因为此类方法在处理图像的过程中能得到更加丰富的目标特征和更完善的泛化能力,从而得到准确度和稳定性更高的分类结果。虽然现有的细粒度图像分类算法研究已经取得了一些进展,但仍有一些不足之处需要完善。本文针对以下三个具体问题来进行研究完善:（1）大多数方法从原始图像中提取特征图后直接使用,缺乏对特征图的进一步处理,可能导致不相关的特征信息对网络性能产生负面影响;（2）在许多方法中,对特征图的利用比较简单,只使用了单尺度特征,且忽略了有助于准确分类的特征图之间的关系。（3）由于子类别之间的高度相似性以及网络训练中的随机性和不稳定性,导致网络的预测结果有时可能不够准确。针对问题（1）,本文提出了一个自监督注意力特征过滤器（Self-supervised Attention Map Filter,SAMF）算法,SAMF算法通过使用自监督学习的方式来处理图像的初始注意力特征图,并过滤出最有区别和代表性的局部注意力特征图,去除不相干特征图对网络产生的负面影响。实验表明SAMF算法能显著提高网络的准确率（Accuracy）。针对问题（2）,本文提出了一个多尺度注意力特征生成器（Multi-scale Attention Map Generator,MAMG）算法。MAMG算法从初始图像中提取出局部注意力特征图,并且对得到的局部注意力特征图中建立空间特征,生成全局空间注意力特征图,从而建立特征图之间的关系。局部和全局特征信息将被一起捕获,以使网络在分类中达到更高的准确性。针对问题（3）,本文提出了二重预测（Reiterative Prediction,RP）算法,在训练阶段将网络的第一次预测结果作为辅助数据输入到网络中,重新计算得到第二次预测结果。目的是为了减少网络的随机性误差,提高网络的稳定性和稳健性。将三个算法组成一个新的自监督注意力特征过滤和多尺度特征网络（Selfsupervised Attention Filtering and Multi-scale Features Network,SA-MFN）,实验结果表明SA-MFN在多个数据集上都能得到优异效果,特别在Stanford Cars数据集上得到了94.7%的准确率。