針對糖尿病視網膜病變（DR）分級任務中不同種類之間差異性微小特點，提出一種基于跨層雙線性池化（CHBP）的視網膜病變分級算法。首先根據霍夫圓變換（HCT）對輸入圖像進行裁剪，再使用預處理方法提升圖像對比度；然后以擠壓激勵分組殘差網絡（SEResNeXt）作為模型的主干，引入跨層雙線性池化模塊進行分類；最后在訓練過程中引入隨機拼圖生成器進行漸進訓練，并采用中心損失（CL）和焦點損失（FL）方法進一步提升最終分類效果。實驗結果顯示，本文方法在印度糖尿病視網膜病變圖像數據集（IDRiD）中二次加權卡帕系數（QWK）為90.84%，在梅西多數據集（Messidor-2）中受試者工作特征曲線下的面積（AUC）為88.54%。實驗證明，本文提出的算法在糖尿病視網膜病變分級領域具有一定應用價值。