基于一种改进的跨层级特征融合的循环全卷积神经网络, 提出了一种结合深度学习的图像显著目标检测算法。通过改进的深度卷积网络模型对输入图像进行特征提取, 利用跨层级联合框架进行特征融合, 生成了高层语义特征的初步显著图; 将初步显著图与图像底层特征融合进行显著性传播以获取结构信息; 利用条件随机场对显著性传播结果进行优化, 得到了最终显著图。利用大型数据集将所提算法与其他多种算法进行了测试对比, 研究结果表明, 在对复杂场景图像的显著目标检测方面, 所提算法稳健性更好, 显著目标检测的完整性提升, 背景得到了更有效的抑制。

显著目标检测技术的研究，其基础性算法还是比较单一的，这是本人在各为专家的基础之上写的代码，简洁易行，运行顺畅！

该资源是U2Net网络的预训练模型u2net.pth U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection

Uncertainty-aware Joint Salient Object and Camouflaged Object Detection论文试读ppt，适合略读梳理头绪