本发明提供了针对图像识别中长尾分布问题的特征簇压缩方法，包括：在训练阶段，对骨干网络输出的原始特征乘以特定的因子(τ>1)，获取被乘特征并输入至分类器，迫使分类器在更大的尺寸下训练决策边界，且使原始特征相对于被乘特征被线性压缩，表现出更紧密的特征簇；在测试阶段，将所述原始特征直接输入至训练好的分类器，决策边界不变，且因原始特征簇更加紧密，尤其针对尾部类的稀疏簇压缩效果更显著，特征相互靠近，使得边界特征不易越过决策边界而导致错误分类，从而解决图像识别中长尾数据集上模型性能受限问题。同时本发明可以与现有的长尾分布方法有效结合并且进一步的提升，广泛的实验表明，本发明针对该问题的有效性和通用性。