本申请涉及一种基于信任和一致性的模型迁移方法、装置、设备及介质，方法包括：基于预设的有标签源域数据，使用卷积神经网络为特征抽取器，提出到源域图像的特征；使用一个源域分类层进行标签预测，并使用交叉熵损失函数进行训练优化，得到预先训练的源域模型；基于预训练的源域模型和无标签的目标域数据，使用对偶分类网络进行模型自适应学习，并使用基于信任和一致性机制进行训练优化，得到自适应学习后的源域模型。由此，解决了在源域数据缺失情况下的领域自适应问题，即给定源域模型和无标签的目标域数据，通过模型迁移的方法进行目标域自适应学习，从而实现无监督学习，显著提高模型的自适应性能力。