图像分类模型训练方法、装置、设备及存储介质

本申请提出一种图像分类模型训练方法、装置、设备及存储介质，该方法包括：获取样本集中图像袋的基础特征以及图像袋的类别比例标签；将基础特征输入稀疏字典学习子模型，以获取图像袋的目标稀疏特征；将目标稀疏特征输入分类器，以获取图像袋中每张图像的预测类别标签；基于图像袋中每张图像的预测类别标签，确定图像袋的预测类别比例标签；基于预测类别比例标签以及类别比例标签确定第一损失函数值；以第一损失函数值对图像分类模型进行训练，得到训练好的图像分类模型。本申请实施例通过在数据集仅具有类别比例标签的情况下有效挖掘图像分类模型针对每张图像中的判别特征，以通过袋级类别比例标签实现对图像的实例级分类。