本发明属于人工智能技术领域，提供了一种基于主动学习的显著性检测方法，主动学习的思路运用到了显著性检测领域，通过考虑样本的不确定性与多样性从未标记样本集中选择出最利于模型训练的样本加入训练集，训练得到最终的KSR模型，由该模型输出测试样本的初始显著图。之后，为了优化显著图的目标边界，又设计了一种超像素级的后处理方法进一步提升性能。本发明降低了标注成本，同时减少了训练集的冗余，使得实验效果相较于原始KSR模型有了很大提升。同时通过对比实验表明本发明方法的性能优于许多经典算法。