本发明提供了一种图像识别域泛化模型的训练方法。该方法包括：构建图像识别域泛化模型，图像识别域泛化模型包括分类网络和生成网络；运用对抗训练的方式训练分类网络和生成网络，得到生成域；利用生成域模拟目标域的数据分布，通过循环一致性损失函数计算所述生成域的损失，当生成域的损失达到要求后，得到训练好的图像识别域泛化模型，利用训练好的图像识别域泛化模型进行图像的跨域泛化识别处理。本发明通过循环一致性损失确定生成数据的有效性。根据两组分类器的标签平滑正则化交叉熵函数，避免正确和错误分类的较大差值，避免过拟合。能够明显提高了图像识别模型的可移植性能，改善了图像识别模型领域漂移现象。