本发明公开了一种基于无监督学习的显著性物体检测方法及系统，所述方法包括：获取目标域样本，所述目标域样本的标签为使用上一轮迭代得到的模型在目标域图像进行预测得到的伪标签；对所述伪标签进行不确定性评估，并进行不确定性排序；根据排序结果，对所述伪标签进行图片级筛选，得到伪标签不确定性低于预设阈值的目标域样本；对所述目标域样本进行像素级伪标签重加权处理，得到用于下一个迭代训练的目标域样本。本发明提供的基于无监督学习的显著性物体检测方法，可以在不依赖人工标签的情况下，在多个显著性物体检测数据集上取得优异的性能，并达到与全监督显著性检测方法相匹敌的能力，大大减轻了显著性物体检测方法对像素级人工标签的依赖性。