本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法，属于计算机视觉技术领域。本发明使用深度学习目标检测技术，针对目标检测中训练域和测试域的数据不同分布的问题，利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型；接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异，并在域分类器加上一致性正则化；然后以端到端的方式训练网络；最后去掉自适应成分，将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。