本发明公开了一种基于双网络联合标签修正的网络图像数据集去噪方法，采用两个同样的深度神经网络分别进行随机初始化后对网络数据集进行训练，并分别进行样本选择，根据选择结果划分干净样本、内部噪声以及无关噪声数据。通过将两个深度神经网络的softmax概率平滑后进行加权平均的结果作为内部噪声样本的真实标签，用以修正内部噪声，然后联合干净样本计算交叉熵损失，分别用于更新两个深度神经网络。本发明通过联合训练后，两个深度神经网络会变得越来越准确，最终对图像的预测也会趋近一致。本发明相较于单网络的修正方法，修正标签的准确率有明显提升，具有较好的实用性。