本发明适用于计算机视觉应用领域，提供了一种车辆属性识别模型的训练方法、系统及相关设备，所述方法具体包括：获取图片，并标记属性标签；构建包括卷积层组、随机失活层、属性分类层、全连接层和损失函数层的车辆属性识别模型；将图片输入模型，通过卷积层组得到第一特征向量；将第一特征向量输入随机失活层，得到第二特征向量，同时，将图片通过所述属性分类层分类得到分类图片集合；将第二特征向量输入全连接层，得到第三特征向量；将第三特征向量和分类图片集合作为损失函数层的输入计算损失函数值，并进行参数优化，从而完成迭代；重复完成至少20次迭代，得到最终的模型。本发明利用多标签方法提升了车辆属性识别模型的识别精度。