本发明公开了一种基于神经网络的时域弱小目标检测方法，解决了现有技术检测弱小目标能力弱，对杂波分辨能力差的问题。实现步骤是：从原始数据集中提取出图中每个像素点亮度变化的时域廓线组成时域曲线数组集；时域曲线数组集分为训练集和测试集并归一化处理；构建神经网络并进行模型的训练和永久保存；对实际测试集测试得到每个像素点概率预测矩阵；对概率加权计算；切片去独过滤处理，去掉单独误检测点。输出检测图。本发明将机器学习应用到弱小目标检测，通过权值计算对目标点进行加强，加以切片去独过滤检测的处理。本发明自适应性强，抗背景干扰能力强，准确率高。可用于复杂云背景下所得拍摄图像的运动弱小目标检测上。