本发明涉及一种基于卷积神经网络和注意力机制的水下图像分类方法，以Inception-Attention结构为基础构建卷积神经网络，实现对图像的背景特征进行提取并加权，使用训练集中的图像作为原始输入图像，输入到所提网络中进行训练，分别在网络的主干分类分支上和辅助分类分支上得到预测结果，通过分别计算预测结果与图像的真实标签之间的交叉熵以及网络的L2正则化项得到损失函数，并利用随机梯度下降对网络进行优化，再将待预测的图像输入到已训练的网络中，可得到对应的预测结果。本发明的优点在于：本发明通过收集大量的水下图像和非水下图像对所提网络进行训练，大规模图像数据集上进行识别水下图像任务时，可以快速、准确地进行图像分类。