本发明公开了一种加强通道重排和融合的卷积神经网络模块的实现方法，包括以下步骤：通过一个卷积层提取某一层次特征图的特征，产生一个过渡的特征图；通过对产生的过渡特征图在空间维度上进行池化，得到和通道尺寸相同的重排融合向量；利用得到的重排融合向量，计算出重排融合的新通道和对应的权重，对某一通道的特征图按计算的权重累加到新通道及其相邻通道上，遍历所有通道，待所有通道都加权累加后便得到融合后的特征图。本发明的模块，可以无缝插入到任何卷积神经网络当中，加强不同通道信息的交流，可应用于图像分类的网络、目标检测、语义分割等任务的主干网络中。