本发明公开了一种利用线标注的弱监督阴影检测方法。本发明首先用线重新标注两个现有的基准数据集，命名为S‑SBU和S‑ISTD；设计一个基于Transformer的阴影检测网络来捕获显著的上下文信息交互，并提出一个边缘导向的多任务学习框架，以产生具有丰富结构的中间和主要预测。通过融合这两个互补的预测，得到一个边缘保留的精细阴影图；还引入一个特征导向的语义感知损失来克服复杂场景干扰，使模型能够使用更高层次的语义信息来感知阴影和非阴影区域。本发明可以从线标注的弱监督学习中获得高质量的阴影预测图。在三个基准数据集上的实验结果表明，与全监督的最先进方法相比，本方法获得了具有竞争力的性能。