本发明公开一种基于显著性的多模态小样本学习方法，包括多模态结合和标签传播两部分，具体如下：多模态结合过程中，首先通过预训练好的显著性检测网络对支持集的样本图像进行显著图提取，分离出样本图像的前景和背景；其次通过GloVe模型获取支持集样本图像前景、背景区域语义的单词嵌入，作为语义信息辅助视觉信息分类；最后对于所获取支持集样本图像的前景、背景与语义信息，分别通过模态混合机制进行自适应结合，得到具有多模态信息的样本特征表示；标签传播过程中，首先将模态结合后的支持集样本与查询集样本根据K近邻方法进行图构造；最终通过带有标签的支持集样本预测没有标签的查询集样本的类别。