本发明公开了一种图像语义分割网络持续学习方法、系统、设备及存储介质，通过在特征空间中使用对比学习对新增类别的类别知识进行挖掘，显著降低语义分割网络在后续学习阶段特征空间的优化难度，进而提升其对新类别的学习性能。而且，在输出空间中训练一辅助分类器可降低网络模型的优化难度并提升新类别的识别性能；此外，联合伪标签及伪标签降噪技术，使得在语义分割持续学习中无需提供旧类别的标签，降低标注成本。相较于现有方法，本发明无需对知识蒸馏损失进行特殊设计即可显著提升新类别性能，从而提供了一种泛用的、全新的解决方案。本发明作为一种通用性的语义分割持续学习方法，对应用场景均无限制，具有很强的泛化能力与实用价值。