本发明提出了一种基于多任务卷积神经网络的智能自定标方法，属于相对辐射校正技术领域，首先准备遥感图像数据集，选取卷积神经网络，使用平均池化层进行特征提取，再设计包括主任务和辅助任务的多任务学习框架，在特征提取阶段共享主干网络，然后在全连接层分为主任务和辅助任务分支；进而设计损失函数，最后在训练后的多任务学习框架上，使用测试数据集进行评估与优化；使用多项式建立衰减模型，设计评估指标来衡量模型的定标效果和拟合准确性，本发明使用多任务框架来实现挖掘图片中的时间信息，用于辅助相对灵敏度系数的拟合，以此克服现有技术中缺少针对定标任务的优化问题。