随着硬件设备性能的快速提高、智能移动设备的普及以及网络速度日渐提高,图像已经成为人们获取信息与交流的一个主流渠道。与此同时,图像中包含的信息也更加丰富,如何高效地从图像中提取感兴趣的区域与目标对理解场景来说也变得更加重要,显著目标检测和伪装检测从两个不同的切入点来研究这个课题。目前,显著目标检测算法大多通过对图像本身进行特征提取来捕捉显著目标,如何充分利用其他辅助信息还有待研究。伪装目标与背景的颜色和纹理等特征相似,如何分割出场景中的伪装目标更加困难,而在此基础上对不同的伪装实例进行区分则难上加难。在本文中,我们将基于这两个问题进行研究。在显著目标检测的研究中,我们提出了一种通用的动态显著目标检测模型:DANet,它能在基于主体网络结构的情况下整合任意辅助信息,如显著边缘信息来帮助检测显著目标。充分的实验研究了不同辅助信息的作用并表明了DANet在处理辅助信息的通用性。DANet在DUTS-TE数据集上分别取得了0.87、0.9和0.04的maxF、max-E和MAE,比主流模型取得了更好的结果。显著目标检测模型提取场景中的显著目标,而伪装检测模型则要从背景中捕获伪装目标。尽管同为类别无关的像素级分割任务,但二者存在不小的特征差异,因此已有的显著目标检测模型在提取伪装目标上存在着一定的局限性。在伪装实例分割的研究中,我们致力于提取全局信息,提出了一种基于Transformer的实例级伪装目标检测模型CISTR,它能提取出伪装目标并对不同的实例加以区分。CISTR融合了卷积神经网络和Transformer模块,同时对局部连接和远程连接进行建模。这种基于Transformer的方法在COD10K测试集的实例标签上取得了38.6%的AP,超过了其他主流的实例分割模型。