本发明提供了一种图像分类模型训练方法及图像分类方法、系统，该图像分类模型训练方法包括：获取初始图像样本，并对初始图像样本进行数据增强，得到增强图像样本；将初始图像样本及增强图像样本输入预设图像分类模型，得到初始输出特征及增强输出特征；将增强输出特征与初始输出特征进行拟合，得到特征拟合结果；将初始输出特征及增强输出特征进行拼接，得到融合特征，并对融合特征与预设标签向量进行拟合，得到标签拟合结果；根据特征拟合结果及标签拟合结果，更新模型中的参数，直至得到训练完成的图像分类模型。本发明通过对样本进行数据增强来提高图像分类模型的泛化能力，并且使得样本训练出的模型分类性能得到保障，提高了模型的性能。