本申请公开了一种基于视觉显著性模型的场景目标检测方法及装置，涉及图像处理技术领域，包括：收集场景中的图像，对图像中的目标进行位置和类别的标注，构建数据集；定义检测目标并设定约束条件；根据检测目标和约束条件，在卷积神经网络和多层感知机之间构建残差块，以引入残差连接，构建初始显著性模型；获取所述残差块的输出数据作为多层感知机的输入数据；通过多层感知机的输出层输出初始显著性模型的第一预测结果；使用数据集对初始显著性模型进行训练，在验证集上对初始显著性模型的性能进行评估与优化，从而获得最终显著性模型。解决了在复杂多变的模拟训练战场的场景中，传统算法往往存在误检率高、鲁棒性差的问题。