人类的视觉神经系统可以在复杂的场景中快速发现感兴趣的目标,这种具有选择的视觉能力称为视觉注意机制。显著性检测是目前计算机领域的一个热点研究方向,其主要工作是通过建立一种视觉注意模型来模拟人类视觉系统,从而检测和识别出一个场景中最吸引人类注意力的区域或物体。目前该工作已广泛应用于计算机视觉或者机器人视觉,比如图像压缩、图像检索、图像编辑、图像分割、物体识别等。现有的RGB-D显著性目标检测仍面临着一定的挑战。一方面采用预训练模型训练尽管能节省训练时间,但调试难度较大,且多步骤、多模型训练方法存在误差累积及工程复杂度高等问题;另一方面,彩色与深度特征差异性较大,拼接与相加等简单融合方式无法充分利用其互补信息。本文在注意力机制的启发下,对RGB-D显著性检测方法进行研究,主要内容如下:（1）针对现有图像算法采用的多步骤、多模型训练方法存在误差累积及工程复杂度高等问题,本文提出了一种端到端的基于生成对抗网络的三流显著性检测网络。考虑到多尺度特征能够有效提升网络的尺度适应性,本模型采用Res2Net模块作为RGB流与深度流的特征提取块,然后通过逐步上采样来融合浅层信息。与直接相加或拼接不同的是,本文先对同层RGB-D特征进行点乘操作以获取其共显著性,而后利用SE结构进行上采样融合,从而生成显著图。接着,将生成器生成的显著图与真值图一同送入本文设计的对抗网络,通过对抗学习的方法对显著图进行不断细化,直至判别器无法区分显著图与真值图。此外为了解决显著性检测中常见的前景与背景的类不平衡问题,本文引入了焦点损失函数作为生成器损失,进一步提高了模型的检测精度。（2）为了充分利用彩色与深度信息的多层级互补特征,同时进一步提高检测精度,本文在注意力机制的启发下提出了基于跨模态特征融合的显著性检测网络。为了解决FCN网络理论感受野远低于实际感受野问题,本文在每个卷积块中集成了全局特征流和局部特征流,并以通道注意力的形式进行融合,从而搭建了改进的FCN网络（IFCN）。此外考虑到不同层次的深度与彩色互补特征也不同（高层存在语义互补,浅层存在空间互补性）,本文利用空间注意力结构搭建了跨模态特征融合模块。同时,考虑到浅层特征中的冗余信息过多,本文仅在较高层融合互补特征从而生成显著性图。通过大量的综合实验表明,本文所提出的模型在多个数据集上均有显著提升,表现出较强的鲁棒性,同时网络参数量以及算法复杂度较低。