本发明公开了一种基于权重翻转的特征图重构方法、系统、存储介质及终端，所述方法包括：获取输入特征图输入预设SE模块中，生成输入特征图的多个特征通道对应的权重值并对输入特征图加权，生成加权后的第一特征图和第二特征图；将加权后的第一特征图和第二特征图进行通道分离和重构，生成通道数压缩后的第一特征图和第二特征图；将通道数压缩后的第一特征图和第二特征图进行特征变换并将特征变换后的第一特征图和第二特征图对应的特征通道逐一拼接，生成重构特征图。因此，采用本申请实施例，可以去除通道冗余，减少了参数量和计算量，有效提升了卷积神经网络的性能，使得神经网络模型对原始图像识别的准确率大幅度提升。