本发明涉及一种基于核相似度和非极大抑制算法的卷积神经网络剪枝方法，包括步骤：确定重要性指标和相似度指标；在通过数据集训练所得到的收敛卷积神经网络中确定待剪枝卷积层；根据重要性指标计算每个卷积核的重要性，按照每个卷积核的重要性指标大小降序排列，得到卷积核索引。本发明的有益效果是：本发明一方面使用重要性指标将不重要的卷积核移除，另一方面使用相似度指标将冗余卷积核移除，从而实现模型轻量化的效果。本发明使用非极大抑制算法完成剪枝操作；剪枝完成后参数量和计算量大大减少，从而减少模型占用的内存大小，实现了深度神经网络的轻量化，计算速度加快，并且可以在计算资源有限的边缘设备上部署。