本发明涉及深度学习领域,特别涉及了一种改进卷积神经网络结构的方法。步骤a:利用分数阶最大值池化(Fractional Max Pooling)原理,将传统卷积神经网络结构中的最大值池化层全部更改为分数阶,达到图像任意维度的下采样降维;步骤b:在保证网络结构浅的前提下,通过不断加宽网络结构,结合分数阶最大值池化层,使得网络性能得到提升。本发明利用分数阶最大值池化原理,保证层数在浅的程度,不断加宽网络,从而避免深型网络在训练过程中出现的梯度消失(Gradient Vanish)与权重失效的现象导致卷积神经网络难以训练的问题,使得其性能与深型卷积网络结构相当甚至更好,网络参数更少,本发明具有明显的性能优势。