本发明公开了一种基于高斯均匀混合模型的伪标签损失无监督对抗域适应图片分类方法，通过迁移学习或领域适应的方法来利用相关源域的大量可用的注释数据跨域迁移知识到相关目标域获得带标签的目标数据；提出的域适应方法融合了高斯均匀混合模型检测离群值与深度神经网络进行图像分类，利用高斯均匀混合模型对每一类的目标样本特征到类均值的余弦距离进行建模，得到目标样本后验概率作为估计目标样本伪标签的重要程度；基于训练过程产生的目标样本伪标签提出的辅助伪标签损失加入神经网络的训练；同时最小化条件熵损失使得学习到的特征远离决策边界；综合大量实验证明了所提方法能够提高深度网络模型的图片分类准确度。