本发明公开了一种域适应图像分类网络的训练方法、系统、设备及存储介质，引入对比学习将相同语义的特征聚类，解决域适应图像分类任务在目标域标签不足的问题；本发明将特征对比学习改进为概率对比学习，通过在概率空间进行对比学习，减小聚类后的同语义特征与类权重之间的距离，提高分类的准确率；并且，仅添加了一个对比学习的损失（即总的概率对比损失），并未添加复杂的附加模块，参数量与之前的方法相比没有增加。总体来说，本发明在不添加其他附加模块的情况下提升模型整体性能，能够获得更精确的图像分类结果。