本发明公开了一种基于类扩张学习的神经网络模型优化方法。具体包括步骤如下：获取用于训练的含有多种类别的样本的数据集，并定义算法目标；用通用模型提取数据集中每类图片的特征，并根据每类特征的分布情况评估各个类别易错的程度；将易错程度最高的几类数据加入训练池，并用训练池中的数据优化神经网络；优化完成后，将剩余易错程度最高的几类数据加入训练池，扩张训练池中的类别，并在上一次训练得到的神经网络基础上用训练池进一步优化神经网络；不断对训练池进行类扩张，直至整个数据集进入训练池，得到最终的优化的神经网络模型。本发明适用于监督学习中的基于多类别数据集的神经网络模型优化，面对各类复杂的情况具有较佳的效果和鲁棒性。