本发明公开一种基于深度学习的模型训练方法，所述方法包括：步骤1，采集图像数据，并将所述图像数据与预训练模型进行融合，得到第一图像数据集；步骤2，设置所述第一图像数据集中每个图像数据被选取的概率为1/M；步骤3，从所述第一图像数据集中选择N个图像数据组成第k批次数据，其中k是大于0的整数，M>N；步骤4，对所述第k批次数据进行模型训练；步骤5，模型训练后，若所述模型的损失函数计算结果大于阈值，则对所述第k批次数据中的N个图像数据进行权重分配；步骤6，将权重分配后的N个图像数据释放到第一图像数据集；重复步骤3至步骤6，直到所述模型的损失函数计算结果小于等于阈值。本发明方法能加速模型在新场景的收敛速度。