一种基于非对称PAD卷积计算实现数据连续更新的目标分类方法，在对连续更新的图像数据的卷积计算中，在图像的高度或者宽度方向上进行非对称填充，将若干图像通过高度或宽度方向上未填充的边缘进行连续拼接；拼接后的图像输出进行卷积处理，得到目标分类特征。若每次更新的数据不足以完成一个完整的卷积运算，卷积运算分多次进行，每次卷积计算的中间结果进行缓存后拼接，该方法可以减少多次卷积神经网络推理过程中的重复计算，减少每次推理过程的计算量，提高计算效率。本发明采用非对称的填充方法，无需等物体数据全部采样完成再对物体进行目标识别，从而实现连续更新数据的目标分类，解决因图像拼接带来的目标识别错误的问题。