1.一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，包括以下步骤：

S1、采集输入图片，并对图像进行数据预处理；

S2、将预处理后的图像导入分类模型，输出三个不同卷积层的特征图；

S3、对各特征图进行分别的分类预测，取可信度最大分类器，输出最终预测分类结果。

2.根据权利要求1所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述数据预处理包括：将输入图像格式(c，h，w)处理为(c，7h，7w)；

其中，c为图片通道数，h为图片高度，w为图片高度。

3.根据权利要求1所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述分类模型的处理包括：对预处理图像进行focus模块处理，提取不同特征；

经CBAM注意力机制模块处理得到有意义的特征；

提取图像特征，并在bottom‑top各层输出特征层；

对特征层卷积后降通道操作，获取统一通道数的中间特征层；

对应bottom‑top各层融合输出特征层。

4.根据权利要求3所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述focus模块处理包括：将输入图片进行切片操作后连接成新图片，其中，新图片的通道数为输入图片的一半，新图片大小为输入图片的4倍；

卷积输出特征图，并将平面上的信息切换到通道维度，经卷积的方式提取不同特征。

5.根据权利要求3所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述CBAM注意力机制模块处理包括：空间注意力注意特征图中的重点关注的目标区域，获取关注目标的细节信息，并抑制其他无用信息。

6.根据权利要求3所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述融合输出特征层包括：将上层特征图中低分辨率高级抽象语义信息通过add融合到低层高分辨率低语义特征。

7.根据权利要求1所述的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，其特征在于，所述分类预测包括：将三个不同特征特征层作为输出结果进行全连接层fc操作；

对各特征层全连接后分类处理，并为每个类别输出一个概率值；

取概率值最大的分类结果作为最终的输出预测值。