本发明涉及一种用于零样本分类的集成协同训练方法、装置及终端设备，将获得的数据集划分为训练集和测试集，并将其分别称为可见类和不可见类，训练不同结构的属性预测网络，从中选取两个网络作为主、副网络，计算属性映射参数，根据属性映射参数合成不可见类的虚拟特征，将虚拟特征与多个分类器组合完成对分类器的训练，使用主副网络提取不可见类特征，使用分类器对不可见类特征进行预测，依据分类器投票机制，对符合条件的不可见类赋予伪标签，将赋予伪标签的不可见类加入到训练集中重新对属性预测网络进行训练，提升网络模型的预测精度，同时可使用不同ZSL嵌入方法进行训练进而选择主副网络，易于扩展至其它零样本学习方法，提高方法性能。