细粒度图像分类的难点在于跨类别的整体外观相似性。该研究提出了一种针对细粒度少样本分类的任务导向通道注意力方法，通过支持注意力模块和查询注意力模块来突出显示关键特征。实验证实了该方法在细粒度少样本分类任务中的有效性。

该研究提出了一种新型的双通道神经网络模型（DCNN），通过结合卷积操作和自注意机制，提高了细粒度图像分类的准确性。实验证明，该模型在细粒度基准数据集上的性能优于其他先进的卷积或注意力细粒度骨干网络。