本发明涉及一种基于特征的秩和通道重要性的剪枝方法，包括下列步骤：准备数据集，选定原始网络模型，划分为训练集和测试集；通过数据集训练出收敛的未剪枝的原始网络模型，用数据集中的部分图片输入训练好的模型；通过数据集训练加入通道注意力机制的未剪枝网络模型，用训练集输入训练好的模型，固定模型参数，得到网络层中通道注意力机制对于不同层不同卷积核的权重向量；剪枝；得到全局的不同层的剪枝结果，然后计算每一层剪枝之后剩余的通道数，改变原始网络每一层通道数为剪枝后的通道数，得到裁剪后的网络模型，再使用数据集重新训练，恢复精度，经过不断的梯度反向传播优化最终得到轻量化的最优模型。