本申请涉及计算机技术领域，提供一种模型训练方法及相关装置，可应用于地图、交通、车载、自动驾驶、云技术、人工智能、辅助驾驶等各种场景，用以提高道路类型的识别准确率，其中，方法包括：基于获取的目标道路样本集合，获得多组训练数据，其中，每组训练数据中包含至少三个目标道路样本，至少三个目标道路样本中的一个目标道路样本的道路类型与其他目标道路样本的道路类型不同，然后，将多组训练数据分别输入待训练的道路特征转换模型进行迭代训练，并输出目标道路特征转换模型。这样，通过学习道路特征转换方式，提高机器学习模型的准确率，进而在模型应用过程中，提高道路类型的识别准确率。