本发明公开了一种基于持续学习的图像分类方法以及装置，方法包括：获取待分类的目标图像，所述待分类的目标图像包括一部分存储的旧类数据图像和新增类别的图像；将待分类的目标图像输入到预先构建的图像分类模型并得到分类特征向量；根据分类器和所述分类特征向量，对图像样本进行训练，得到目标图像的分类结果；根据训练所得到的相关参数，对所述图像样本进行删除和保留。本发明能够自适应地通过权衡模型的稳定性和可塑性来缓解基于持续学习的图像分类网络的灾难性遗忘问题，以实现在保持不遗忘旧知识的情况下，有效提高新类图像的分类准确率，最终使得模型能够像人一样的学习。