本发明公开了一种计算机视觉深度学习模型剪枝方法及系统，属于计算机视觉技术领域，包括以下步骤：S1：层选择；S2：节点相似度比较；S3：节点合并；S4：相似度遍历判断；S5：剩余层处理。本发明对被合并的节点与前一层相连的权重、与后一层相连的权重均进行处理，最大程度地保持权重信息，可减少剪枝技术对深度学习模型最终输出的影响；并对批量归一化操作的参数进行合并，最大限度地保留节点的信息；还对被剪枝的层之后的最大池化层(maxpool)、平均池化层(avgpool)、随机丢弃层(dropout)进行相应处理，值得被推广使用。