本发明属于计算机技术领域，具体涉及一种基于元迁移学习的任务自适应的小样本图像分类方法。本发明通过结合元迁移学习，弥补MAML模型采用4Conv浅层网络提取特征不充分的问题；增加可训练的参数来学习平衡元知识在每个任务中的使用，解决现实场景下小样本学习的任务不平衡，类别不平衡，分布不平衡问题。本发明挑选每个任务中准确率低的样本，并重新组合它们的数据，使其成为更困难的任务，使元学习器在学习更加困难的任务的过程中提高模型的准确率。本发明提出的困难任务挖掘算法在线的收集分类效果差的样本组成困难任务，让学习器在困难任务中学习得更快、效果更好。