本发明适用于计算机视觉技术领域，提供了一种基于网络数据的模型训练方法、装置、电子设备及存储介质，该方法包括：获取当次训练选择的网络数据中每个样本的损失值和预测值，基于所述损失值对所述网络数据进行分类，得到干净样本和噪声样本，基于所述预测值对所述噪声样本进行分类，得到开集噪声样本和闭集噪声样本，使用所述干净样本和所述闭集噪声样本对预训练模型进行训练，重复以上步骤直至得到训练好的模型，所述训练好的模型用于细粒度图像分类任务，从而有效地抑制噪声标签的影响，提高了网络数据的利用率，进而提高了模型的性能。