本发明提供了一种图像分类模型训练方法，包括：确定图像分类模型中第一图像分类网络的网络参数，通过训练样本集合对第二图像分类网络的网络参数进行迭代更新，得到图像分类模型的中间参数；通过监督模型对第二原始样本图像进行处理，得到模型调整参数，对图像分类模型的中间参数进行调整，得到图像分类模型的最终模型参数，由此，能够在减少训练数据总量和无需标注的前提下，稳定提高图像分类模型训练训练的准确率，减轻图像分类模型的过拟合，增强图像分类模型的泛化能力。本发明还提供了图像分类模型训练装置、电子设备、计算机程序产品以及存储介质。本发明实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。