本发明公开了一种基于模型协作的数据加权学习方法，定义了一种面向图像数据的样本重加权方法。对输入的一张图像样本，利用预训练好的辅助模型集合和待训练的目标模型，利用各自得到的预测结果与真实标签计算辅助权重及目标权重，然后通过一定比例融合得到最终的样本权重。使用上述策略计算样本的加权损失，目标模型通过最小化加权损失来更新参数，让目标模型侧重于学习有价值的样本。通过本发明可以在大幅减少筛选低质量数据的人工成本，提高效率。同时本发明适用于多种计算机视觉任务，如图像分割、图像分类、目标检测等，能够为数据有效性评估方案建立一种新的标准通用框架。