本发明公开了一种基于对抗学习的两阶段图像变化检测方法；步骤如下；（1）图像配准；（2）多尺度切割；（3）基于多尺度卷积特征融合的变化判别；（4）基于U形神经网络的变化检测；（5）基于对抗学习的网络训练与调优；（6）基于概率阈值的图像拼接；（7）输出最终结果。本发明基于深度神经网络的方法，根据上文所描述的当前方法的局限性，主要解决3个问题：1、不同大小的目标变化检测效果差异明显；2、变化区域在整幅图像中占比过少导致的样本不平衡问题；3、由拍摄角度、照明强度等不同成像条件带来的噪声问题。本发明在同用的变化检测方法上，分别从图像预处理、变化检测模型设计和模型训练与调优阶段分别提出创新方法，提升变化检测效果。