本发明公开了一种针对类别不均衡数据集的网络训练方法，包括：获取目标图像数据集，确定类别数目和每类样本量；利用每类样本量计算相应类别的权值，并结合设置的超参数构建限制误差损失函数；利用所述目标图像数据集对神经网络模型进行训练，并将样本的预测结果与真实标签带入所述限制误差损失函数进行误差计算，使用反向传播不断更新神经网络模型的参数，直至网络收敛达到预期目标。构建的限制误差损失函数按类别数量进行加权，并且通过引入超参数对尾部泛化进行正则化的LDAM，可以将训练的关注度更多的偏向于数量较少的尾部类别，防止网络训练对尾部类欠拟合，可以应用于不均衡的图像数据集中，并可以显著提高网络对于不均衡数据集的识别准确度。