本发明公开了一种基于特征簇中心压缩的图像分类方法，属于人工智能的图像分类领域，包括：获取多种类别的原始特征簇并按类别进行扩张，获得对应的扩张特征簇；基于扩张特征簇训练骨干网络与分类器；将原始特征簇移动过程与知识蒸馏机制集成，结合训练后的骨干网络与分类器获得教师模型；构建学生模型与联合损失函数，通过采样器为学生模型训练新的骨干网络，基于联合损失函数与教师模型对学生模型进行迭代训练，采用训练完成后的学生模型进行图像分类。本发明引入两阶段训练框架，并在在框架中提出一个特征簇中心压缩方法来增加特征簇与决策边界之间的可用空间，为困难样本点提供更大的容错区域，从特征层面来解决不平衡数据集的图像分类问题。