本发明涉及计算机视觉技术领域，尤其涉及一种无监督的显著性目标检测方法、系统、设备及介质，包括：将输入的训练图像利用伪标签生成模型生成伪标签，将训练图像输入骨干网络，得到目标特征向量；根据目标特征向量和伪标签，得到对比度特征，并在利用K‑Means算法对对比度特征进行聚类学习后，通过注意力机制和分类网络，得到网络预测图；解决了现有的显著性目标检测方法采用的训练数据集大部分都存在着自有的偏置，且伪标签通常存在噪声的问题，本发明通过对比度聚类方法和模型训练方法能够将骨干网络中低层次对比度特征与高层次对比度特征融合到一起，以实现无监督但可靠的显著性目标检测，降低了成本，提高了检测的精确性。