目标检测是在给定的图像或视频帧中识别目标并定位的过程。它是很多计算机视觉任务的必备前提,也被广泛应用到实际任务中。然而,传统的目标检测方法在特征设计上花费了大量时间,并且手工设计的特征并不通用,导致检测精度低。现在通常通过深度学习方法,使用卷积神经网络代替手工设计特征。但是现有的目标检测方法常常会使用预训练模型来提高精度,而在某些场景中,无法使用预训练模型。如果能有一个网络结构,可以用随机初始化的方式来训练网络,并能获得令人满意的检测精度,在应用上有重要意义。本文提出一个训练方式简单、且可以提高检测精度的多特征融合的目标检测方法。为解决某些场景无法使用预训练模型的问题,本文设计了可以不使用预训练模型的神经网络结构。在训练过程首先以随机初始化方式初始化神经网络模型参数,然后加载大量图片和其对应的标签构造的数据集,对数据集中的图片进行预处理、数据扩增,再利用标注信息和代价函数迭代更新神经网络模型参数,直至收敛;在预测过程中,基于训练后的神经网络模型,将待预测的图像或视频帧作为输入,识别目标并给出其定位。为了验证本文提出的算法的准确性,在PASCAL VOC数据集进行目标检测实验,并以每幅图像为单位,统计本文算法的平均准确率均值,达到了 78.8%的平均检测率均值。在同样不使用预训练模型的情况下,平均检测率均值高于目前最优模型,且检测速度是其三倍左右。本文设计的网络结构在使用PASCAL VOC数据集训练的情况下可以对20个类别的目标同时进行检测。实验结果表明,本文的基于特征融合的卷积神经网络模型速度比大多数目标检测模型要快,目标检测的精度更高,最后,得益于网络结构上的优势,本文通过随机初始化权值的方式训练达到不输通过迁移学习训练的目标检测模型。