视觉显著性是灵长类共有的视觉处理特性,这项特性让我们在复杂的视觉信息中快速提取出对需要特别注意的物体区域。科学家们着力研究这项特性,将其与计算机科学相结合,引入到计算机视觉中,使其成为许多复杂视觉计算重要的前期预处理过程。视觉显著性主要由静态显著性、协同显著性和动态显著性三部分组成。其中静态显著性是此前的研究热门算法,行业中已取得较为不错的成果,但动态显著性的研究并非热门方向,仍然存在许多改进的空间。神经网络今年来在各大比赛中的突出表现备受关注,将其运用到显著性检测中,能够得到准确且细致的显著性物体区域。同时针对动态显著性数据集不足的情况,从静态帧生成了动态帧,丰富了数据集,为深度网络训练提供了足够的样本。最后在原图的基础上使用物体建议算法,得到精细的物体轮廓,对网络检测的显著性结果进行调优。最终得到的实验结果也验证这些改进是切实有效的,将测试结果与行业中的算法进行了比较。图片与可视化数据表明,改进后得到方法与其他算法相比得到了相近的甚至更优秀的表现。