本发明公开了一种基于多分支循环自注意力网络与循环边框回归的车辆检测方法，包括如下步骤：构造车辆检测的主干网络；使用RPN网络预测候选框，并根据候选框提取实例特征图，循环地预测自注意力图与计算新的实例特征图得到最终的实例特征图；使用循环边框回归，根据预测出的检测框循环地选择基础网络输出的特征图；使用多分支网络结构，将上述计算网络拓展至多分支，融合多分支检测结果。本发明基于多分支循环自注意力网络与循环边框回归方法，与传统深度学习的车辆检测方法相比能获取车辆更精确的特征，提高车辆的检测框的置信度并能获得更准确的检测框，提高检测准确率。