本发明公开了一种基于记忆增强原型网络的小样本图像分类方法。元学习是目前解决小样本图像分类任务的主流学习范式，原型网络是其中最经典的模型，在小样本图像分类任务中取得了优良的分类性能。原型网络采用片段式学习策略在元训练数据集上对任务和数据进行双重采样来获取快速适应新任务的先验知识。然而，这种随机抽取的方式使得原型网络并不能充分利用元训练数据集中的所有信息，因此本发明在原型网络中添加记忆元件对元训练数据集中的典型样本代表进行记忆，能够端对端地充分利用元训练数据集中的先验信息对原型进行校正。