本发明公开了一种视频语义分割网络的训练方法、系统、设备及存储介质，利用视频数据内在的关联性，设计了帧间特征重构的方案，借助无标注帧特征所提取的类别原型对有标注帧特征进行重构，从而利用标注信息对重构特征进行监督学习，达到了利用视频数据的单帧标注信息对无标注帧提供准确监督信号的目的，训练视频数据的不同帧均受到相同的监督信号进行监督，从而拉近了不同帧的特征分布，可以有效缓解帧间过拟合现象，进而提升模型的泛化性能；并且在测试集上测试表明通过本发明训练后的视频语义分割网络获得更高的分割精度。