本发明公开了一种基于卷积神经网络的图像目标检测方法，包含以下步骤：对数据集进行预处理，使用数据增强的方法；对数据使用Mosaic数据增强方法，将随机四张图片拼接在一起以提高数据训练效果；参照YOLOv2构建基础卷积神经网络，每个卷积单元包含一个卷积层、一个BatchNormalization层、一个Relu激活层，整个网络结构中没有全连接层，全部使用卷积层；在卷积神经网络中使用残差网络结构，可加深网络深度，是模型学习更好的特征；使用多尺度特征图融合以提高网络模型在不同尺度图像上的检测效果，提高目标检测模型的鲁棒性；在数据增强之后做好数据标注，然后使用聚类方法对训练集中的边界框做聚类分析，通过聚类分析结果选择合适的先验框，便于模型学习。