本发明公开了一种基于特征图线性依赖的模型压缩方法，包括：统计神经网络模型中卷积层的个数以及每个卷积层中的通道数；通过输入少量的数据集，获取每个通道输出的特征图；基于特征图的信息熵，计算出每个通道在其所属的卷积层中的线性依赖独立性，并作为局部重要性；对于求出的局部重要性，基于遗传进化算法，求出每个卷积层的全局规模系数和全局偏差系数，把局部重要性转换成全局重要性；根据设置的目标压缩率，求出相应的阈值，并移除全局重要性小于阈值的通道，从而得到最优子网络；对得到的最优子网络进行自适应加权的多网络联合并行训练，恢复网络模型的性能。