本发明公开了一种卷积神经网络的卷积核及其压缩算法，在卷积神经网络任一输入层和输出层之间仅设置一个卷积核，所述卷积核的大小为f×f×(m+(n‑1)*sc)，其中，m+(n‑1)*sc为通道长度，f×f×m为该卷积核的单次卷积维度，sc为通道方向的步长，n为输出层通道数；在输入层每次取维度为f×f×m的输入特征与所述卷积核延通道方向依次进行点积并以sc为步长遍历整个卷积核，最终得到n个通道输出层。与现有技术相比较，本发明通过设置单个通道深度扩展的卷积核，并利用参数共享和密集连接的思想，能够在不损失精度或损失较小精度的情况下，大大减小了卷积神经网络参数量。