本发明提出了一种大尺度特征的YOLOv4‑tiny目标检测算法，解决原YOLOv4‑tiny在小目标检测上精度不高及重叠情况下漏检的问题；首先下载当前目标检测领域通用数据集tt100k数据集与LISA数据集，并进行数据增强；其次使用标准YOLOv4‑tiny网络对两个数据增强后的通用数据集进行训练，检测其性能；然后针对原始YOLOv4‑tiny模型对小目标进行检测时精度不高且易漏检的问题，提出一种大尺度特征的YOLOv4‑tiny目标检测算法，并对改进算法模型进行训练；最后对比标准YOLOv4‑tiny模型，分析测试结果；本发明在不改变YOLOv4‑tiny模型输出特征图数量、保持模型实时性的情况下，通过改变输出特征图大小，增加了模型感受野改，对小目标检测与重叠情况下目标的检测精度均有提高，且本发明鲁棒性较好，可用于多个数据集的性能提升。