本发明公开了基于难样本挖掘的深度网络模型构建方法及系统，通过构造深度网络模型，输入训练样本对深度网络模型进行训练：在每次迭代训练过程中抽取训练样本的特征向量，计算特征向量及其类中心权重向量之间的角边界裕量，并根据角边界裕量判断特征向量是否为类内难样本，根据判断结果对特征向量进行难样本标记；基于标记后的特征向量计算深度网络模型输出的角边界裕量损失值与类内难样本损失值，并结合角边界裕量损失值与类内难样本损失值，优化深度网络模型的网络参数，本发明考虑了类内难样本对模型精度的影响，并结合基于角边界裕量损失与类内难样本损失对训练过程进行监督，能提升类内特征分布的紧凑性，从而提升模型的判别力。