1.一種圖像分類模型訓練方法，其特征在于，所述方法包括：

分別對至少兩個第一圖像進行圖像變換，得到每個第一圖像對應的至少兩個第二圖像；

將所述至少兩個第一圖像以及對應的第二圖像輸入圖像分類模型，由所述圖像分類模型輸出所述至少兩個第一圖像的分類結果以及對應的第二圖像的分類結果；

響應于各個分類結果滿足參考條件，確定所述圖像分類模型訓練完成，否則，分別對各個第一圖像對應的至少兩個第二圖像的分類結果取平均值，得到所述各個第一圖像對應的第一參考數據，基于所述各個第一圖像對應的第一參考數據以及各個第一參考數據對應的評價數據，得到所述各個第一圖像對應的第二參考數據，所述評價數據用于指示所述第一參考數據的準確度，基于所述第二圖像的分類結果的邊緣分布信息、參考邊緣分布信息以及所述各個第一圖像對應的第二參考數據，生成所述各個第一圖像的參考分類結果，所述第一圖像的參考分類結果用于指示所述第一圖像以及對應的至少兩個第二圖像屬于各個類別的概率；

基于所述至少兩個第一圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值、所述至少兩個第一圖像對應的第二圖像的分類結果與所述至少兩個第一圖像的參考分類結果之間的誤差值，確定總誤差值；

基于所述總誤差值更新所述圖像分類模型的參數。