本发明提供一种基于弱监督学习的视频目标检测方法，通过设计新型注意力网络模型，基于较少的全标注数据及海量简单标注数据，使网络模型的空间及通道注意力机制高效工作，从而可以基于海量样本进行弱监督训练学习，取得高精度的目标检测效果。注意力网络模型是实现高精度物体检测的必要技术手段，但是在目标识别过程中，所关注的区域热点可能会受到运动背景物体的干扰，有些输入数据预测结果较好，而另一些则很差，本方法引入了位置注意力内部损失函数，通过在视频中跟踪目标区域，生成用于检测的伪定位标签，用于注意力网络模型的弱监督训练，从而实现少量标注样本向海量样本的高效迁移学习。