本发明提供了一种基于负边界三元组损失和数据增强的零样本分类方法，属于计算机零样本图像分类领域。该方法在传统归纳式零样本分类方法中增加了属性加权数据增强模块以及负边界三元组损失函数联合约束用户定义属性空间和隐含属性空间两个模块。通过这两个模块，调整了数据集的集散程度，使之更易于实现从已见类到未见类的知识迁移；还能够扩大训练阶段输入数据的分布，使之更接近整体数据集的真实分布，从而提高模型对于未见类图像的分类能力。与其他归纳式零样本分类方法相比，实验结果表明本发明能够达到更高的零样本图像分类精度，在许多领域也有重要用途。