本发明提供了一种对图像数据进行无偏见分类的方法。该方法包括：根据分类标签和偏见属性对训练图像数据进行标注；构建用于图像分类的深度卷积神经网络，将训练图像数据输入到深度卷积神经网络，将深度卷积神经网络中的卷积层输出的图像特征划分为无偏见分类信息和偏见信息；通过偏见分类器对偏见信息进行分类，通过特征分类器对无偏见分类信息进行分类，利用损失函数对偏见分类器和特征分类器进行迭代优化；利用优化完成后的特征分类器对需要分类的图像数据进行去偏见分类。本发明通过利用完全的数据进行训练，这样能够保证在去偏见的同时，仍然能够提取到充分的分类信息，实现在去偏见的同时，保证模型仍有较高的分类准确率。