本发明属于图像分类技术领域，具体为一种面向深度有序回归模型的生成式特征有序正则化方法。本发明通过深度卷积神经网络将输入图像映射为低维特征表示，在相应的低维空间中计算批中所有样本的低维特征表示之间的距离；然后计算批中所有样本的有序标签之间的距离；将所得的批中所有样本与其他样本之间的特征表示距离向量和标签距离向量分别进行归一化；对归一化后的特征向量和标签距离向量计算散度，以此来约束在嵌入空间中特征的分布与有序标签的分布一致，即保证特征的有序性；模型最终的损失函数包括有序回归损失和该KL散度损失；本发明方法有助于提高在多种任务场景(如人脸年龄估计、医学图像分类、历史图像年代分类等)下的分类性能。