小样本学习(few-shot learning, FSL)中，由于样本量过少，导致了特征多样性的降低。为了弥补特征多样性的降低，提出通过提高模型的特征提取能力，以获得更为充分的特征数量。利用多重并联图神经网络来进行多重特征提取，使模型更充分地提取图像特征，从而提升小样本图像分类任务的分类准确率。所提出的多重特征提取方法在5-way 1-shot设置下将基线的分类准确率提高了2.02%，在5-way 5-shot设置下将基线的分类准确率提高了1.98%。